WO2015108179A1 - 動作パラメータ値学習装置、動作パラメータ値学習方法、及び学習型機器制御装置 - Google Patents

動作パラメータ値学習装置、動作パラメータ値学習方法、及び学習型機器制御装置 Download PDF

Info

Publication number
WO2015108179A1
WO2015108179A1 PCT/JP2015/051216 JP2015051216W WO2015108179A1 WO 2015108179 A1 WO2015108179 A1 WO 2015108179A1 JP 2015051216 W JP2015051216 W JP 2015051216W WO 2015108179 A1 WO2015108179 A1 WO 2015108179A1
Authority
WO
WIPO (PCT)
Prior art keywords
parameter value
operation parameter
user
duration
learning
Prior art date
Application number
PCT/JP2015/051216
Other languages
English (en)
French (fr)
Inventor
修一郎 今原
矢野　亨
亮介 竹内
義行 坂本
Original Assignee
株式会社 東芝
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社 東芝 filed Critical 株式会社 東芝
Priority to JP2015557910A priority Critical patent/JP6280569B2/ja
Publication of WO2015108179A1 publication Critical patent/WO2015108179A1/ja
Priority to US15/211,422 priority patent/US20160321564A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/52—Indication arrangements, e.g. displays
    • F24F11/523—Indication arrangements, e.g. displays for displaying temperature data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/89—Arrangement or mounting of control or safety devices
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house

Definitions

  • Embodiments of the present invention relate to an operation parameter value learning device, an operation parameter value learning method, and a learning type device control device.
  • an operation parameter value learning device and an operation parameter value learning method capable of learning operation parameter values with less discomfort for the user. Also provided is a learning-type device control apparatus capable of controlling a device using operation parameter values.
  • the operation parameter value learning device learns the value of the operation parameter of the device for each user.
  • the operation parameter value learning device includes a calculation unit and a selection unit.
  • the calculation means calculates, for each user, a duration for which the device is estimated to operate at each operation parameter value based on at least one history information of the user behavior state, the environment state, and the device operation state.
  • the selection unit calculates, for each user, a continuation rate feature amount that the device continues to operate at each operation parameter value during each continuation time from the continuation time calculated by the calculation unit, and based on the calculated continuation rate feature amount To select the operating parameter value.
  • the block diagram which shows an example of a function structure of an operation parameter value learning apparatus The figure which shows an example of the log
  • the flowchart which shows the learning process of the operation parameter value learning apparatus which concerns on this embodiment.
  • the block diagram which shows an example of a function structure of the operation parameter value learning apparatus of FIG. 1 provided with the operation parameter value notification part.
  • the block diagram which shows an example of a function structure of a learning type
  • the figure which shows an example of the control rule which concerns on this embodiment.
  • the flowchart which shows the learning process by the learning type apparatus control apparatus which concerns on this embodiment.
  • the flowchart which shows the control processing by the learning type apparatus control apparatus which concerns on this embodiment.
  • the learning device and the learning method according to the present embodiment learn values of operation parameters of a device (hereinafter referred to as “target device”) that are optimal for the user.
  • the target equipment includes air conditioning equipment and lighting equipment, but the target equipment is not limited to this.
  • the operation parameters are various parameters that can be set when the target device operates.
  • the operating parameters include the set temperature, air volume, and wind direction of the air conditioning equipment, the illuminance of the lighting equipment, and the like.
  • the operation parameter is determined according to the target device.
  • the learning device can learn the optimal operation parameter value for the user when the operation parameter of the target device can take a plurality of values (operation parameter values).
  • the optimal operation parameter value for the user is an operation parameter value that is less uncomfortable for the user and that satisfies the selection conditions described later.
  • the installation location of the target device is arbitrary such as a store, an office, a factory, or a commercial facility.
  • FIG. 1 is a block diagram illustrating an example of a functional configuration of the learning device according to the present embodiment.
  • the learning apparatus includes an information acquisition unit 1 that acquires various types of information in the home, a storage unit 2 that stores application conditions and operation parameter values, and the target device operates with each operation parameter value.
  • the calculation means 3 for calculating the duration time and the selection means 4 for selecting the optimum operating parameter value based on the duration time are provided.
  • the information acquisition unit 1 acquires various types of information in the home. As illustrated in FIG. 1, the information acquisition unit 1 includes a user information acquisition unit 101 that acquires user information, an environment information acquisition unit 102 that acquires environment information, a device information acquisition unit 103 that acquires device information, A history information storage unit 104 that stores the recorded information.
  • the user information acquisition unit 101 acquires user information at predetermined time intervals.
  • the user information is information indicating the action state of the user (resident or visitor) of the target device in the home.
  • the user information includes, for example, information indicating that the user is in the room, going out (absent), sleeping, cooking, and the like.
  • various sensors such as a human sensor, a temperature sensor, and an illuminance sensor can be used.
  • the user information acquisition unit 101 transmits the acquired user information to the history information storage unit 104.
  • the environment information acquisition unit 102 acquires environment information at predetermined time intervals.
  • the environmental information is information indicating the state of the environment in the home.
  • the environmental information includes, for example, information indicating temperature, humidity, illuminance, and the like.
  • Various sensors such as a temperature sensor, a humidity sensor, and an illuminance sensor can be used as the environment information acquisition unit 102.
  • the environment information acquisition unit 102 transmits the acquired environment information to the history information storage unit 104.
  • a virtual sensor that estimates and measures a user's behavioral state and environmental state based on information acquired from one or a plurality of sensors and time information. May be used.
  • Such virtual sensors include, for example, a sleep sensor that estimates whether a user is sleeping based on illuminance information and time information, and a discomfort index sensor that measures a discomfort index based on temperature information and humidity information. included.
  • the device information acquisition unit 103 acquires device information at predetermined time intervals.
  • the device information is information indicating the operation state of the target device.
  • the device information includes information indicating the operating parameter value during operation (ON), during stop (OFF), and during operation. For example, the set temperature, air volume, and wind direction of the air conditioning device, the illuminance of the lighting device, Information indicating the open / close state of the blind is included.
  • the device information may include information indicating an operation state of a device other than the target device.
  • the device information acquisition unit 103 for example, an external device that acquires device information from the target device can be used. Moreover, the structure which acquires apparatus information directly from object apparatus is also possible. In this case, the functional configuration of the device information acquisition unit 103 is realized by a part of the function of the target device. The device information acquisition unit 103 transmits the acquired device information to the history information storage unit 104.
  • the history information storage unit 104 acquires information from the user information acquisition unit 101, the environment information acquisition unit 102, and the device information acquisition unit 103 at predetermined time intervals, and stores the acquired information as history information.
  • FIG. 2 is a diagram illustrating an example of user information, environment information, and device information stored in the history information storage unit 104.
  • FIG. 2A is an example of user information, and shows a user's occupancy state at each time.
  • FIG. 2B is an example of environment information, and shows room temperature at each time.
  • FIG.2 (c) is an example of apparatus information and has shown the operation state (ON / OFF) of the object apparatus in each time.
  • the history information stored in the history information storage unit 104 may be subjected to a complementing process, a smoothing process, an abnormal value removing process, and the like. Thereby, it becomes possible to calculate the duration and the continuation rate feature amount described later with high accuracy, and the learning accuracy of the learning device can be improved.
  • history information user information, environment information, and device information stored as history information in the history information storage unit 104 are collectively referred to as history information.
  • the history information storage unit 104 transmits the stored history information in response to a request from the calculation unit 3 described later.
  • the information acquisition unit 1 may acquire, for example, information indicating the outside air temperature and weather in addition to the above-described user information, environment information, and device information, and store the information in the history information storage unit 104.
  • the learning device according to the present embodiment may be configured not to include the information acquisition unit 1.
  • the learning device may acquire history information such as user information, environment information, and device information from an external database or the like.
  • Storage unit 2 stores application conditions and operation parameter values. As shown in FIG. 1, the storage unit 2 includes an application condition table 105 and a parameter table 106.
  • the application condition table 105 stores application conditions.
  • the application condition is a condition that defines a range in which the learning device learns the operation parameter value.
  • the learning device learns operation parameter values when the history information stored in the history information storage unit 104 satisfies the application condition.
  • the application condition is set based on at least one of the user behavior state, the environmental state, the operation state of the target device, and the time range.
  • FIG. 3 is a diagram illustrating an example of application conditions. As shown in FIG. 3, for example, application conditions such as being in the room or being out (absent) can be set based on the user's action state. Also, application conditions such as the range of room temperature and illuminance can be set based on the environmental conditions, and the application conditions such as the range of operation parameter values of the target device can be set based on the operation status of the target device. Can also be set. Furthermore, these application conditions can be combined and set as one application condition. Furthermore, application conditions such as nighttime and daytime can be set based on the time range.
  • the application condition table 105 transmits the stored application conditions in response to a request from the calculation means 3 described later.
  • the operation parameter value table 106 stores, for each application condition, a plurality of processing target operation parameter values for which the duration is calculated by the calculation means 3 described later.
  • FIG. 4 is a diagram illustrating an example of the processing target operation parameter value stored in the operation parameter value table 106.
  • the target device is a cooling / heating device
  • the operation parameter is a set temperature.
  • a set temperature at 1 ° C. intervals is stored as the operation parameter value to be processed.
  • the calculation means 3 calculates the duration time during which the air-conditioning equipment operates at the set temperatures of 17 ° C., 18 ° C., 19 ° C., and 20 ° C., respectively.
  • the set temperature interval can be arbitrarily set to 0.5 ° C. or 2 ° C.
  • the air volume such as “weak”, “medium”, “strong”, etc. may be stored as the operation parameter value to be processed.
  • the operation parameter value table 106 can also store an operation parameter value selected by the selection unit 4 described later in association with an application condition.
  • the operation parameter value table 106 transmits the stored application conditions in response to a request from the calculation means 3.
  • Calculating means 3 calculates the duration for each user.
  • the duration is a time estimated to continue the operation with a certain operation parameter value.
  • the calculation means 3 calculates the duration as the elapsed time from the start time when the history information satisfies the start condition to the end time when the end condition is satisfied.
  • the calculation means 3 acquires history information for a predetermined learning period, and calculates a duration in a range where the history information satisfies the application condition for each processing target operation parameter value.
  • the learning period can be arbitrarily set, for example, one day, one week, or one month.
  • the calculation means 3 estimates the user who operated the object apparatus, and adds the estimated user information to each continuation time.
  • the calculation means 3 includes a start determination unit 107 that determines whether history information satisfies a start condition, an end determination unit 108 that determines whether history information satisfies an end condition, and an end condition table that stores end conditions. 109, a duration calculation unit 110 that calculates the duration based on the start time and the end time, a duration division unit 118 that adds user information to the duration based on the duration rate feature amount, and user information And a duration table 111 for storing the duration time.
  • the start determination unit 107 executes start determination for determining whether or not the history information satisfies the start condition.
  • the start condition is a condition for estimating that the target device has started operation with a certain operation parameter value, and is set based on the application condition and the processing target operation parameter value.
  • the start determination unit 107 performs start determination on the history information in ascending order of time, and acquires, as the start time, the time when the history information has changed from a state that does not satisfy the start condition to a state that satisfies the start condition.
  • the start determination unit 107 transmits the acquired start time, application condition, and operation parameter value to the end determination unit 108 and the duration calculation unit 110.
  • the start time acquired by the start determination unit 107 is the start point of the duration time.
  • FIG. 5 is a diagram illustrating an example of history information, application conditions, and processing target operation parameter values acquired by the start determination unit 107.
  • the target device is a heating device
  • the learning period is 24 hours
  • the application condition is in-room
  • the processing target operation parameter value is a set temperature of 22 ° C.
  • the start determination unit 107 acquires occupancy information (user information) indicating the user's occupancy state and set temperature information (apparatus information) indicating the set temperature of the heating device as history information.
  • the start determination unit 107 can perform the start determination with the start condition that the history information satisfies the application condition and the processing target operation parameter value at the same time. That is, the starting condition is that the user is in the room and the heating device is operating at the set temperature of 22 ° C.
  • the start determination unit 107 can directly determine whether or not the history information satisfies the above-described start condition, so that the start determination can be easily performed.
  • the start determination unit 107 may refer to the history information in ascending order of time, determine whether the occupancy information is in the occupancy, and determine whether the set temperature information is 22 ° C. .
  • the start determination unit 107 can acquire the times ts1 and ts2 as the start times. As shown in FIG. 5, when the history information is referred to in ascending order of time, the times ts1 and ts2 are in a state where the history information (set temperature information) does not satisfy the start condition (18 ° C.) 22).
  • the start determination unit 107 may acquire the start times within the learning period in a lump.
  • the start determination unit 107 may acquire the start time one by one and acquire the next start time after the calculation of the duration for the acquired start time is completed.
  • FIG. 6 is a diagram illustrating another example of history information, application conditions, and processing target operation parameter values acquired by the start determination unit 107. 6 is different from FIG. 5 in that the start determination unit 107 acquires room temperature information (environment information) instead of set temperature information as history information.
  • room temperature information environment information
  • the start determination unit 107 cannot perform the start determination using the same start condition as in FIG. Although the start determination unit 107 can determine whether the application condition (in-room) is satisfied by referring to the occupancy information, whether the target device is operating at the set temperature of 22 ° C. even when referring to the room temperature information This is because it cannot be determined. In such a case, the start determination unit 107 can use, for example, that the user is in the room and the room temperature is 22 ° C. as the start condition. This is because if the room temperature is 22 ° C., it is estimated that the heating device is operating at the set temperature 22 ° C.
  • the start determination unit 107 refers to the history information in ascending order of time, determines whether the occupancy information is in the occupancy, and whether the room temperature information is 22 ° C. By determining, start determination is performed. With the start determination, the start determination unit 107 can acquire the times ts3 and ts4 as the start times. As shown in FIG. 6, when the history information is referred to in ascending order of time, the times ts3 and ts4 are in a state in which the history information does not satisfy the start condition, that is, in a state satisfying the start condition, that is, the room temperature information is less than 22 ° C. The time when the temperature changed to 22 ° C.
  • the start condition can be arbitrarily set based on the application condition and the processing target operation parameter value as long as it can be estimated that the target device has started the operation based on the processing target operation parameter value.
  • the start determination unit 107 may use “starting at a room temperature of 22 ° C. for a predetermined time” or the like as a start condition. Thereby, it is possible to more accurately estimate that the heating device is operating at the set temperature of 22 ° C. by excluding a transient change in room temperature. In this case, the start determination unit 107 acquires a time after a predetermined time from the above-described times ts3 and ts4 as a start time.
  • the end determination unit 108 executes an end determination that determines whether the history information satisfies the end condition.
  • the end condition is a condition for estimating that the target device has ended the operation with a certain operation parameter value.
  • the end determination unit 108 performs the end determination on the history information after the start time in the ascending order, and acquires the time when the history information has changed from the state not satisfying the end condition to the state satisfying the end condition as the end time. .
  • the end determination unit 108 transmits the acquired end time to the duration calculation unit 110.
  • the end time acquired by the end determination unit 108 is the end point of the duration time.
  • FIG. 7 is a diagram showing an example of the end condition stored in the end condition table 109.
  • the termination condition includes a dissatisfaction condition and an abort condition.
  • the dissatisfied condition (first end condition) is a condition for determining that the user feels dissatisfied with the processing target operation parameter value.
  • the dissatisfied condition includes “the operation parameter value has changed so as to improve the utility of the target device”. Specifically, an increase in the set temperature of the heating device, a decrease in the set temperature of the cooling device, an increase in the air volume of the air conditioning device, an increase in the illuminance of the lighting device, and the like are included.
  • the user when the set temperature rises after the start time, the user feels cold (dissatisfied) at the original set temperature (operating parameter value) and becomes warm (improves utility) It is considered that the set temperature has been changed. That is, when the history information satisfies the dissatisfaction condition, it is considered that the user is dissatisfied with the processing target parameter.
  • the discontinuation condition is a condition for determining that the user does not feel great dissatisfaction with the processing target operation parameter value or is satisfied.
  • the abort condition includes “the operation parameter value has changed so as to reduce the utility of the target device”. Specifically, a decrease in the set temperature of the heating device, an increase in the set temperature of the cooling device, a decrease in the air volume of the cooling and heating device, a decrease in the illuminance of the lighting device, and the like are included.
  • the user when the set temperature decreases after the start time, it is considered that the user does not feel at least cold (dissatisfied) at the original set temperature (operation parameter value).
  • the censoring condition includes “the threshold time has passed after the start time”.
  • the threshold time can be arbitrarily set, and in the case of FIG. 7, it is set to 240 minutes.
  • the threshold time can be arbitrarily set, and in the case of FIG. 7, it is set to 240 minutes.
  • the history information of the heating device when the set temperature is maintained for 240 minutes after the start time, it is considered that the user is not satisfied or satisfied with the original set temperature (operation parameter value). . That is, when the history information satisfies the discontinuation condition, it is considered that the user does not feel great dissatisfaction with the processing target parameter or is satisfied.
  • the duration calculation unit 110 calculates the duration based on the start time acquired from the start determination unit 107 and the end time acquired from the end determination unit 108.
  • the duration calculation unit 110 can calculate the duration by subtracting the start time from the end time.
  • the duration calculation unit 110 transmits the calculated duration, application condition, processing target operation parameter value, and end condition (dissatisfaction condition or discontinuation condition) to the duration division unit 118 and the duration table 111.
  • the duration dividing unit 118 divides a plurality of durations acquired from the duration calculation unit 110 based on the duration rate feature quantity acquired from the duration rate feature quantity calculation unit 112, and a user is assigned to each divided duration time. Is assigned. For example, when the duration dividing unit 118 acquires 10 durations from the duration rate feature amount calculation unit 112, the duration dividing unit 118 includes three durations to which the user A is assigned and seven durations to which the user B is assigned. To divide. Then, the duration dividing unit 118 transmits the user information of the user assigned to each duration to the duration table 111. Thereby, user information is added to the duration.
  • the user information added here includes information (such as a user ID) that identifies the user.
  • the subsequent feature amount calculation unit 112 can calculate the continuous rate feature amount of each user. Further, the operation parameter value selection unit 113 can select an operation parameter value in consideration of the continuation rate feature amount of each user.
  • the duration table 111 associates application conditions, processing target operation parameter values, durations, end conditions (dissatisfaction conditions or discontinuation conditions), and user information acquired from the duration calculation unit 110 and the duration division unit 118, Store as duration information.
  • FIG. 8 is a diagram illustrating an example of duration information stored in the duration table 111.
  • the target device is a heating device
  • the operation parameter is a set temperature
  • the user information is a user ID.
  • the duration table 111 transmits duration information in response to a request from the selection unit 4.
  • the selection unit 4 calculates a continuation rate feature quantity based on the duration calculated by the calculation unit 3, and selects an optimum operation parameter value for each user based on the calculated continuation rate feature quantity. As illustrated in FIG. 1, the selection unit 4 includes a continuation rate feature amount calculation unit 112 that calculates a continuation rate feature amount, an operation parameter value selection unit 113 that selects an optimum operation parameter value, and a selection that stores selection conditions. A condition table 114.
  • the continuation rate feature amount calculation unit 112 calculates a continuation rate feature amount for each processing target operation parameter value and for each user based on the duration information acquired from the duration table 111.
  • the continuation rate feature amount is a feature amount representing a curve representing a transition of the probability that the target device continues to operate at the processing target operation parameter value in each continuation time.
  • the continuation rate at all times or the curve is a probability distribution. This is the parameter when fitting with.
  • FIG. 9 is a diagram illustrating an example of the continuation rate feature amount.
  • the continuation rate feature amount is a continuation rate, and shows the continuation rate of the user A set temperature of 18 degrees and the continuation rate of the user B set temperature of 18 degrees.
  • the continuation rate feature quantity calculation unit 112 can calculate, for example, by assuming a mixed sum of Weibull distributions (probability distributions) as a survival function in survival time analysis and estimating the probability distribution parameters by the maximum likelihood method. When the mixed Weibull distribution is assumed, the scale parameter and the shape parameter can be calculated for each user. The continuation rate feature amount calculation unit 112 outputs a set of these values as a continuation rate feature amount for each user.
  • the continuation rate feature amount calculation unit 112 calculates the likelihood of the user assigned to each duration based on the calculated continuation rate feature amount. Thereafter, the division of duration and user allocation by the duration division unit 118 and the calculation of the continuation rate feature quantity and likelihood by the continuation rate feature quantity calculation unit 112 are repeated.
  • the continuation rate feature amount calculation unit 112 repeats the above processing until the change in likelihood becomes a predetermined threshold value or less, and transmits the continuation rate feature amount at the end of the processing to the operation parameter value selection unit 113. Note that the number of times for the above processing may be set in advance.
  • the operation parameter value selection unit 113 acquires the continuation rate feature value from the continuation rate feature value calculation unit 112, acquires the selection condition of the operation parameter value from the selection condition table 114, and compares the continuation rate feature value with the selection condition. Thus, the optimum operating parameter value is selected.
  • FIG. 10 is a diagram illustrating an example of the selection conditions stored in the selection condition table 114.
  • FIG. 10 shows selection conditions set for the continuation rate feature quantity of FIG.
  • the selection condition in FIG. 10 is the smallest operating parameter value (set temperature) that satisfies the condition that the identification probability calculated by the identification method such as Support Vector Vector Machine with the continuation rate feature quantity as an input is 0.6 or more.
  • the condition is to select.
  • the identification probability is a probability that the user feels satisfied or does not feel dissatisfied, calculated based on the continuation rate feature amount of each user.
  • the operation parameter value selection unit 113 selects 19 ° C. as the optimum set temperature.
  • the parameters of the identification method may be learned in advance using correct data.
  • the operation parameter value selection unit 113 transmits the optimal operation parameter value selected as described above, application conditions, and user information to the operation parameter value table 116.
  • the operation parameter value table 106 stores the acquired optimum operation parameter value, application condition, and user information in association with each other.
  • the functional configuration of the learning device described above can be realized by using, for example, a general-purpose computer device 200 as basic hardware.
  • the general-purpose computer device 200 includes a CPU 202, an input unit 203, a display unit 204, a communication unit 205, a main storage unit 206, and an external storage unit 207. Are connected to each other.
  • the input unit 203 includes input devices such as a keyboard and a mouse, and outputs an operation signal generated by operating the input device to the CPU 202.
  • the display unit 204 includes a display such as an LCD (Liquid Crystal Display) and a CRT (Cathode Ray Tube).
  • a display such as an LCD (Liquid Crystal Display) and a CRT (Cathode Ray Tube).
  • the communication unit 205 includes communication means such as Ethernet (registered trademark), wireless LAN (Local Area Network), and Bluetooth (registered trademark).
  • the communication unit 205 communicates with the user information acquisition unit 101, the environment information acquisition unit 102, and the device information acquisition unit 103, and acquires user information, environment information, and device information.
  • a user information acquisition unit 101, an environment information acquisition unit 102, and a device information acquisition unit 103 are provided in an external device.
  • the external storage unit 207 is composed of a storage medium such as a hard disk, CD-R, CD-RW, DVD-RAM, and DVD-R, for example.
  • the external storage unit 207 stores a control program for causing the CPU 202 to execute processing by the start determination unit 107, the end determination unit 108, the duration calculation unit 110, the continuation rate calculation unit 112, and the operation parameter value selection unit 113. ing.
  • the main storage unit 206 is configured by a memory or the like.
  • the main storage unit 206 expands the control program stored in the external storage unit 207 under the control of the CPU 202, and stores data necessary for execution of the control program, data generated by execution of the control program, and the like.
  • the learning device may be realized by installing the control program in a computer device in advance. Further, the learning device may be realized by appropriately installing a control program stored in a storage medium such as a CD-ROM or distributed via a network in the computer device 200.
  • the history information storage unit 104, the application condition table 105, the operation parameter value table 106, the end condition table 109, the duration table 111, and the selection condition table 114 are stored in the main storage unit 206 or external It can be realized by appropriately using a storage medium such as the storage unit 207.
  • the learning device may include a printer for printing information such as the calculated continuation rate and the selected operation parameter value in addition to the above-described components. Further, the configuration of the learning device shown in FIG. 11 may be changed according to the target device for collecting history information.
  • FIG. 12 is a flowchart showing a learning process by the learning device according to the present embodiment.
  • the start determination unit 107 acquires the history information of the learning period from the information acquisition unit 1, acquires the application condition to be learned from the application condition table 105, A processing target operation parameter value corresponding to the application condition is acquired from the operation parameter value table 106 (step S1).
  • the start determination unit 107 when acquiring the history information, the application condition, and the processing target operation parameter value, selects one processing target operation parameter value from among the plurality of processing target operation parameter values (step S2). Next, the start determination unit 107 refers to the history information in ascending order from the start point of the learning period, and performs start determination based on the application condition and the selected processing target operation parameter value (step S3). The start determination unit 107 acquires the first start time based on the start determination, and transmits the start time, the application condition, and the processing target operation parameter value to the end determination unit 108 and the duration calculation unit 110.
  • the end determination unit 108 When the end determination unit 108 acquires the first start time from the start determination unit 107, the end determination unit 108 refers to the history information after the start time, performs the end determination based on the end condition (step S4), and performs the end determination with respect to the first start time. Get end time. The end determination unit 108 transmits the acquired end time and end condition (dissatisfaction condition or termination condition) to the duration calculation unit 110.
  • the duration calculation unit 110 calculates the duration by subtracting the start time acquired from the start determination unit 107 from the end time acquired from the end determination unit 108 (step S5).
  • the duration calculation unit 110 transmits the duration, application condition, operation parameter value, and end condition to the duration division unit 118 and the duration table 111.
  • the duration table 111 associates application conditions, durations, operation parameter values, and end conditions acquired from the duration calculator 110, and stores them as duration information (step S6).
  • the start determination unit 107 refers to the history information after the end time acquired in step S4 and performs the start determination again.
  • the next start time is acquired by the start determination unit 107 (Yes in step S7), the processes in steps S3 to S6 described above are repeated.
  • the duration dividing unit 118 divides the plurality of durations acquired from the continuation rate feature amount calculating unit 112 and divides each of the divided durations.
  • a user is assigned to the duration time (step S19).
  • the user information of the user assigned by the duration dividing unit 118 is stored in the duration table 111.
  • the duration dividing unit 118 may divide the duration randomly and assign users randomly. Further, in the case of the second and subsequent divisions, the duration dividing unit 118 may perform division and assignment at random, or may perform based on the likelihood calculated based on the duration feature amount.
  • the continuation rate feature quantity calculation unit 112 calculates a continuation rate feature quantity based on the duration information stored in the duration table 111 so far (step S8).
  • the continuation rate calculation unit 112 acquires all or at least a part of the continuation time information of the processing target operation parameter value selected in step S2 from the continuation time table 111, and calculates the continuation rate feature amount.
  • the continuation rate feature amount calculation unit 12 calculates the likelihood of user assignment based on the calculated continuation rate feature amount.
  • the likelihood of the mixed Weibull distribution may be calculated as the likelihood of user assignment.
  • the continuation rate feature quantity calculation unit 112 compares the previously calculated likelihood with the newly calculated likelihood (step S20). If the change in likelihood is greater than the threshold (No in step S20), or if the likelihood calculation is the first time, the process returns to step S19.
  • step S20 when the change in likelihood is equal to or smaller than the threshold value (Yes in step S20), the continuation rate feature quantity calculation unit 112 transmits the calculated continuation rate feature quantity to the motion parameter value selection unit 113, and the process proceeds to step S9. .
  • the start determination unit 107 determines whether the processing has been completed for all processing target operation parameter values and users acquired from the operation parameter value table 106 ( Step S9). If there is an unprocessed operation parameter value or a user (No in step S9), the processes in steps S2 to S8 described above are repeated.
  • the operation parameter value selection unit 113 receives each operation parameter value from the continuation rate feature amount calculation unit 112.
  • the continuation rate feature amount is acquired, and the selection condition is acquired from the selection condition table 114.
  • the operation parameter value selection unit 113 compares the calculated continuation rate feature quantity for each processing target operation parameter value with the selection condition, and selects an optimal operation parameter value (step S10).
  • the selected operation parameter value is stored in the operation parameter value table 106 in association with the application condition.
  • the duration table 111 stores duration information of a plurality of operation parameter values.
  • the continuation rate feature amount calculation unit 112 may acquire duration information of a plurality of motion parameter values and calculate a continuation rate feature amount for each motion parameter value.
  • the start determination unit 107 acquires the start times one by one, and acquires the next start time after the duration for the acquired start time is calculated. May be obtained. Step S20 may be omitted.
  • the learning device and the learning method according to the present embodiment it is possible to learn an operation parameter value in which each user has a higher identification probability than the identification probability set in the selection condition. Therefore, according to the learning device according to the present embodiment, even when the target device is used by a plurality of users, it is possible to learn operation parameter values with less dissatisfaction for the entire user.
  • the learning device can learn the operation parameter value with the lowest power consumption from the operation parameter values with less dissatisfaction for the user. can do.
  • the learning device can learn the optimum operation parameter value in various situations by changing the application condition. For example, when the target device is a cooling / heating device, it is possible to learn the optimum set temperature, air volume, and wind direction for each room temperature and humidity.
  • FIG. 13 is a block diagram showing a functional configuration of the operation parameter value learning device according to the present embodiment further including an operation parameter value notification unit 117.
  • This operation parameter value learning device can be used as an operation parameter value notification device that notifies the user of the optimum operation parameter value learned by the operation parameter value learning device.
  • the operation parameter value notification unit 117 (notification unit) notifies the user of the optimal operation parameter value selected by the selection unit 4.
  • the operation parameter value notification unit 117 acquires history information for the current or most recent predetermined period from the history information storage unit 104 and acquires application conditions from the application condition table 105.
  • the operation parameter value notification unit 117 determines whether the history information satisfies the application condition by comparing the acquired history information with the application condition.
  • the operation parameter value notification unit 117 reads the application condition value from the operation parameter value table 106. And obtains the optimum operating parameter value corresponding to and notifies the user.
  • an output device such as a display having an image output function and a speaker having an audio output function can be used.
  • the user can enjoy merits such as construction of a comfortable environment and reduction of power consumption by controlling the device according to the operation parameter value notified by the operation parameter value notification unit 117.
  • control apparatus controls operation parameters of target devices installed in homes, stores, offices, factories, commercial facilities, and the like according to preset control rules.
  • the control device according to the present embodiment controls the target device using the optimum operation parameter value learned by the learning device according to the first embodiment.
  • FIG. 14 is a block diagram showing a functional configuration of the control device according to the present embodiment.
  • the control device includes information acquisition means 1, storage means 2, calculation means 3, and selection means 4.
  • the above configuration is the same as that of the learning device according to the first embodiment.
  • the control device according to the present embodiment further includes a device control unit 115 that controls the target device, and a control rule table 116 that stores the control rules.
  • the device control unit 115 controls the target device in accordance with a preset control rule.
  • the device control unit 115 acquires history information for the current (latest) or most recent predetermined period from the history information storage unit 114, acquires a control rule from the control rule table 116, and performs an optimal operation from the operation parameter value table 106. Get the parameter value.
  • the device control unit 115 compares the current history information with the control rule, and selects a control rule for starting control on the target device.
  • FIG. 15 is a diagram illustrating an example of the control rules stored in the control rule table when the target device is a heating device.
  • each control rule is composed of a control start condition and control contents.
  • the control start condition is a condition for determining whether to start control of the target device according to the control rule.
  • the device control unit 115 compares the current history information with the control start condition, and starts control of the target device according to the control rule when the current history information satisfies the control start condition.
  • the control start condition is set based on at least one of the user behavior state, the environmental state, and the operation state of the device.
  • the control content is the content of control that the device control unit 115 causes the target device to execute when the current history information satisfies the control start condition.
  • control rule of ID1 shown in FIG. 15 is when the control start condition is absent, and the control content is OFF of the heating equipment (operation stop). That is, when the user who has been in the room is absent, the appliance control unit 115 starts the control based on the control rule of ID1, and stops the operation of the heating appliance.
  • the control start condition is when the user is in the room, and the control content is the set temperature T 1 ° C. That is, when the user who has been absent is present in the room, the equipment control unit 115 starts control based on the control rule of ID2 and operates the heating equipment at the set temperature T 1 ° C.
  • the control contents of the control rule of ID2 is set by heating appliance operating parameter values (set temperature), the operating parameter value is represented by the variable T 1.
  • the device control unit 116 as the operating parameter values T 1, to get the optimum operating parameter values stored in the operational parameter value table 106, to control the target device by using the acquired operational parameter values .
  • FIG. 16 is a flowchart showing the learning process of the control device according to the present embodiment.
  • the start determination unit 107 acquires learning period history information, control start conditions, and processing target operation parameter values (step S ⁇ b> 11).
  • the start determination unit 107 may acquire the control start condition from the control rule table 116.
  • the control device may be configured without the application condition table 105.
  • the start determination unit 107 may acquire the control start condition from the application condition table 105.
  • the start determination unit 107 may acquire the control start condition of the control rule in which the control content is set by the operation parameter value as in the above-described ID2 control rule. As in the above-described ID1, It is not necessary to acquire the control start condition of the control rule whose control content is not set by the operation parameter value.
  • the start determination unit 107 acquires the processing target operation parameter value stored for each control start condition from the operation parameter value table 106.
  • the operation parameter value table 106 may store the processing target operation parameter value for each control start condition in advance. Then, the start determination unit 107 first selects one control start condition for performing the learning process (step S12).
  • the subsequent learning process is the same as steps S2 to S10 of the learning process of the learning device according to the first embodiment (see FIG. 12). That is, the start determination unit 107 selects one processing target operation parameter value (step S2), performs the start determination, and acquires the start time (step S3). The end determination unit 108 performs end determination, and acquires an end time and an end condition with respect to the start time acquired by the start determination unit 107 (step S4). The duration calculation unit 110 calculates the duration based on the start time and the end time (step S5). The duration table 111 stores duration information (step S6).
  • the continuation rate feature amount calculation unit 112 calculates a continuation rate feature amount (step S8). ).
  • the processes in steps S2 to S8 are executed for all process target operation parameter values (step S9).
  • the operation parameter value selection unit 113 selects an optimal operation parameter value based on the selection condition (step S10).
  • step S10 is completed, selection of the optimum operating parameter value for the control rule including the control start condition selected in step S11 is completed.
  • the selected optimum operation parameter value is stored in the operation parameter value table 106 in association with the control start condition.
  • steps S2 to S10 described above are executed for all control start conditions (step S13).
  • the optimum operation parameter value for all control rules is selected and stored in the operation parameter value table 106.
  • the control device can update the optimum operation parameter value by executing such learning processing at an arbitrary interval such as one hour, one day, or one week.
  • FIG. 17 is a flowchart showing the control processing of the target device of the control device according to the present embodiment.
  • the device control unit 115 acquires history information, control rules, and operation parameter values for the current or most recent predetermined period (step S14).
  • the operation parameter value acquired by the device control unit 115 is an optimal operation parameter value for each control rule selected by the learning process and stored in the operation parameter value table 116.
  • the device control unit 115 selects one from the acquired control rules (step S15).
  • the device control unit 115 determines whether to start control according to the control rule by determining whether the history information satisfies the control start condition of the selected control rule (step S16). If it is determined that the control is not started (No in step S16), the device control unit 115 determines whether or not the processing has been completed for all control rules (step S18). If the processing has been completed for all control rules (Yes in step S18), the device control unit 115 terminates the processing, and if there is an unprocessed control rule (No in step S18), the next control A rule is selected (step S15).
  • step S16 if the device control unit 115 determines to start control according to the selected control rule (Yes in step S16), the control content of the control rule and the optimum associated with the control rule The operation parameter value is transmitted to the target device, and control of the target device is started (step S17). That is, the device control unit 115 sets the operation parameter of the target device to an optimal operation parameter value.
  • the control device executes the control process as described above at a predetermined time interval such as an interval of several seconds or an interval of 1 minute.
  • the target device can be automatically controlled using the optimum operation parameter value.
  • the user can construct a comfortable environment or can enjoy benefits such as a reduction in power consumption without adjusting the operation parameter value of the target device.
  • the optimal operation parameter value is automatically updated by the learning process, even when the user's tendency changes, the target device can be controlled using the optimal operation parameter value corresponding to the change. .
  • the present invention is not limited to the above-described embodiments as they are, and can be embodied by modifying the constituent elements without departing from the scope of the invention in the implementation stage.
  • various inventions can be formed by appropriately combining a plurality of constituent elements disclosed in the above embodiments. Further, for example, a configuration in which some components are deleted from all the components shown in each embodiment is also conceivable. Furthermore, you may combine suitably the component described in different embodiment.
  • Information acquisition unit 2 Storage unit 3: Calculation unit 4: Selection unit 101: User information acquisition unit 102: Environmental information acquisition unit 103: Device information acquisition unit 104: History information storage unit 105: Application condition table 106: Parameter table 107: Start determination unit 108: End condition table 109: End determination unit 110: Duration calculation unit 111: Duration table 112: Duration rate feature amount calculation unit 113: Operation parameter value selection unit 114: Selection condition table 115: Device control Unit 116: Control rule table 117: Operation parameter value notification unit 118: Duration time division unit

Abstract

【課題】　ユーザにとって不快感の少ない動作パラメータ値を学習することができる動作パラメータ値学習装置及び動作パラメータ値学習方法を提供する。 【解決手段】　一実施形態に係る動作パラメータ値学習装置は、機器の動作パラメータの値をユーザごとに学習する。動作パラメータ値学習装置は、計算手段と、選択手段と、を備える。計算手段は、ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つの履歴情報に基づいて、機器が各動作パラメータ値で動作したと推定される継続時間を、ユーザごとに計算する。選択手段は、計算手段により計算された継続時間から、各継続時間おいて機器が各動作パラメータ値で動作を継続する継続率特徴量をユーザごとに計算し、計算された継続率特徴量に基づいて動作パラメータ値を選択する。

Description

動作パラメータ値学習装置、動作パラメータ値学習方法、及び学習型機器制御装置
　本発明の実施形態は、動作パラメータ値学習装置、動作パラメータ値学習方法、及び学習型機器制御装置に関する。
　スマートハウスの分野において、家庭内の機器を統合して自動制御することでユーザの利便性を向上させる技術が開発されている。このような技術では、予め準備された制御ルールに基づいて自動制御を実施する方法が一般的である。しかしながら、制御ルールにおいて利用される温度や照度などの動作パラメータの適切な値はユーザによって異なるため、動作パラメータ値に一律な値を設定すると、ユーザが利便性を低下させてしまうおそれがある。そこで、ユーザの機器の使い方に基づいて制御ルールを学習し、学習された制御ルールに基づいて自動制御を実施する方法が考えられている。
　従来、制御ルールの学習方法として、ユーザにより機器の操作が行われた際の時間、曜日、気温、天気などの外的要因の規則性から制御ルールを学習する方法が提案されている。このような従来技術では、各種の情報の規則性を発見して新しい制御ルールを学習するため、学習する制御ルールの自由度が高い。しかしながら、学習可能な制御ルールの組み合わせが多岐にわたるため、少量のデータで偶然生じた規則性により、ユーザにとって予想外の制御ルールを学習する可能性があるという課題があった。
　また、複数のユーザにより機器の操作が行われる場合、快適と感じる動作パラメータがユーザ毎に異なることがあるため、ユーザ全体にとって最適な制御ルールを学習することは困難であった。
特開２００３－１１１１５７号公報
　ユーザにとって不快感の少ない動作パラメータ値を学習することができる動作パラメータ値学習装置及び動作パラメータ値学習方法を提供する。また、動作パラメータ値を利用して機器を制御することができる学習型機器制御装置を提供する。
　一実施形態に係る動作パラメータ値学習装置は、機器の動作パラメータの値をユーザごとに学習する。動作パラメータ値学習装置は、計算手段と、選択手段と、を備える。計算手段は、ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つの履歴情報に基づいて、機器が各動作パラメータ値で動作したと推定される継続時間を、ユーザごとに計算する。選択手段は、計算手段により計算された継続時間から、各継続時間おいて機器が各動作パラメータ値で動作を継続する継続率特徴量をユーザごとに計算し、計算された継続率特徴量に基づいて動作パラメータ値を選択する。
動作パラメータ値学習装置の機能構成の一例を示すブロック図。 本実施形態に係る履歴情報の一例を示す図。 本実施形態に係る適用条件の一例を示す図。 本実施形態に係る処理対象動作パラメータ値の一例を示す図。 本実施形態における開始判定を説明する図。 本実施形態における開始判定を説明する図。 本実施形態に係る終了条件の一例を示す図。 本実施形態に係る継続時間情報の一例を示す図。 本実施形態に係る継続率特徴量の一例を示す図。 本実施形態に係る選択条件の一例を示す図。 本実施形態に係る動作パラメータ値学習装置の構成の一例を示す図。 本実施形態に係る動作パラメータ値学習装置の学習処理を示すフローチャート。 動作パラメータ値通知部を備えた図１の動作パラメータ値学習装置の機能構成の一例を示すブロック図。 学習型機器制御装置の機能構成の一例を示すブロック図。 本実施形態に係る制御ルールの一例を示す図。 本実施形態に係る学習型機器制御装置による学習処理を示すフローチャート。 本実施形態に係る学習型機器制御装置による制御処理を示すフローチャート。
　以下、動作パラメータ値学習装置（以下、「学習装置」という）及び動作パラメータ値学習方法（以下、「学習方法」という）の実施形態について、図１～図１１を参照して説明する。本実施形態に係る学習装置及び学習方法は、ユーザにとって最適な、機器（以下、「対象機器」という）の動作パラメータの値を学習する。対象機器には、冷暖房機器や照明機器などが含まれるが、対象機器はこれに限られない。動作パラメータは、対象機器が動作する際に設定可能な各種のパラメータである。例えば、動作パラメータには、冷暖房機器の設定温度、風量、及び風向や、照明機器の照度などが含まれる。動作パラメータは対象機器に応じて決まる。学習装置は、対象機器の動作パラメータが複数の値（動作パラメータ値）を取り得る場合に、ユーザにとって最適な動作パラメータ値を学習することができる。本明細書において、ユーザにとって最適な動作パラメータ値とは、ユーザにとって不快感の少ない動作パラメータ値であって、後述する選択条件を満たす動作パラメータのことである。以下では、対象機器が家庭に設置されている場合について説明するが、対象機器の設置場所は店舗、オフィス、工場、商業施設など任意である。
　図１は、本実施形態に係る学習装置の機能構成の一例を示すブロック図である。図１に示すように、学習装置は、家庭内の各種の情報を取得する情報取得手段１と、適用条件及び動作パラメータ値を記憶する記憶手段２と、対象機器が各動作パラメータ値で動作した継続時間を計算する計算手段３と、継続時間に基づいて最適な動作パラメータ値を選択する選択手段４とを備える。
　情報取得手段１は、家庭内の各種の情報を取得する。図１に示すように、情報取得手段１は、ユーザ情報を取得するユーザ情報取得部１０１と、環境情報を取得する環境情報取得部１０２と、機器情報を取得する機器情報取得部１０３と、取得された情報を記憶する履歴情報記憶部１０４とを備える。
　ユーザ情報取得部１０１は、所定の時間間隔でユーザ情報を取得する。ユーザ情報とは、家庭内における対象機器のユーザ（居住者や来客）の行動状態を示す情報である。ユーザ情報には、例えば、ユーザが在室中、外出中（不在）、睡眠中、及び調理中であることなどを示す情報が含まれる。ユーザ情報取得部１０１として、人感センサ、温度センサ、照度センサなどの各種のセンサを利用することができる。ユーザ情報取得部１０１は、取得したユーザ情報を履歴情報記憶部１０４に送信する。
　環境情報取得部１０２は、所定の時間間隔で環境情報を取得する。環境情報とは、家庭内の環境の状態を示す情報である。環境情報には、例えば、温度、湿度、及び照度などを示す情報が含まれる。環境情報取得部１０２として、温度センサ、湿度センサ、及び照度センサなどの各種のセンサを利用することができる。環境情報取得部１０２は、取得した環境情報を履歴情報記憶部１０４に送信する。
　なお、上述のユーザ情報取得部１０１及び環境情報取得部１０２として、１つあるいは複数のセンサから取得した情報や時刻情報に基づいて、ユーザの行動状態や環境状態を推定・計測する仮想的なセンサを利用してもよい。このような仮想的なセンサには、例えば、照度情報や時刻情報によりユーザが睡眠中であるか否か推定する睡眠センサや、温度情報と湿度情報に基づいて不快指数を計測する不快指数センサが含まれる。
　機器情報取得部１０３は、所定の時間間隔で機器情報を取得する。機器情報とは、対象機器の動作状態を示す情報である。機器情報には、動作中（ＯＮ）及び停止中（ＯＦＦ）、及び動作中の動作パラメータ値などを示す情報が含まれ、例えば、冷暖房機器の設定温度、風量、及び風向、照明機器の照度、ブラインドの開閉状態などを示す情報が含まれる。また、機器情報には、対象機器以外の機器の動作状態を示す情報が含まれてもよい。
　機器情報取得部１０３として、例えば、対象機器から機器情報を取得する外部装置を利用することができる。また、対象機器から機器情報を直接取得する構成も可能である。この場合、機器情報取得部１０３の機能構成は、対象機器の機能の一部により実現される。機器情報取得部１０３は、取得した機器情報を履歴情報記憶部１０４に送信する。
　履歴情報記憶部１０４は、ユーザ情報取得部１０１、環境情報取得部１０２、及び機器情報取得部１０３から所定の時間間隔で情報を取得し、取得した情報を履歴情報として記憶する。
　ここで、図２は、履歴情報記憶部１０４に記憶されたユーザ情報、環境情報、及び機器情報の一例を示す図である。図２（ａ）は、ユーザ情報の一例であり、各時刻におけるユーザの在室状態を示している。図２（ｂ）は、環境情報の一例であり、各時刻における室温を示している。図２（ｃ）は、機器情報の一例であり、各時刻における対象機器の運転状態（ＯＮ／ＯＦＦ）を示している。
　履歴情報記憶部１０４に記憶されたこれらの履歴情報は、補完処理、平滑化処理、及び異常値除去処理などを施されてもよい。これにより、後述する継続時間及び継続率特徴量を精度よく計算することが可能となり、学習装置の学習精度を向上させることができる。
　以下、履歴情報記憶部１０４に履歴情報として記憶されたユーザ情報、環境情報、及び機器情報を、まとめて履歴情報と称する。履歴情報記憶部１０４は、後述する計算手段３からの要求に応じて、記憶した履歴情報を送信する。
　なお、情報取得手段１は、上述のユーザ情報、環境情報、機器情報の他にも、例えば、外気温や天候を示す情報を取得し、履歴情報記憶部１０４に記憶してもよい。また、本実施形態に係る学習装置は、情報取得手段１を備えない構成も可能である。この場合、学習装置は、外部に設けられたデータベースなどからユーザ情報、環境情報、及び機器情報などの履歴情報を取得すればよい。
　記憶手段２は、適用条件及び動作パラメータ値を記憶する。記憶手段２は、図１に示すように、適用条件テーブル１０５とパラメータテーブル１０６とを備える。
　適用条件テーブル１０５は、適用条件を記憶している。適用条件とは、学習装置が動作パラメータ値を学習する範囲を規定する条件である。本実施形態に係る学習装置は、履歴情報記憶部１０４に記憶された履歴情報が適用条件を満たす場合の動作パラメータ値を学習する。
　適用条件は、ユーザの行動状態、環境状態、対象機器の動作状態、及び時刻の範囲の少なくとも１つに基づいて設定される。図３は、適用条件の一例を示す図である。図３に示すように、例えば、ユーザの行動状態に基づいて、在室中や外出中（不在）などの適用条件を設定することができる。また、環境状態に基づいて、室温や照度の範囲などの適用条件を設定したり、対象機器の動作状態に基づいて、対象機器が動作中や、対象機器の動作パラメータ値の範囲などの適用条件を設定したりすることもできる。さらに、これらの適用条件を組み合わせて１つの適用条件として設定することもできる。またさらに、時刻の範囲に基づいて、夜間や昼間などの適用条件を設定することもできる。適用条件テーブル１０５は、後述する計算手段３からの要求に応じて、記憶した適用条件を送信する。
　動作パラメータ値テーブル１０６は、後述する計算手段３により継続時間を計算する対象となる複数の処理対象動作パラメータ値を、適用条件ごとに記憶している。図４は、動作パラメータ値テーブル１０６に記憶された処理対象動作パラメータ値の一例を示す図である。図４において対象機器は冷暖房機器であり、動作パラメータは設定温度である。処理対象動作パラメータ値として、１℃間隔の設定温度が記憶されている。例えば、計算手段３は、ＩＤ１の適用条件を利用して継続時間を計算する場合、冷暖房機器が設定温度１７℃、１８℃、１９℃、２０℃で動作した継続時間をそれぞれ計算する。
　なお、設定温度の間隔は、０．５℃や２℃など任意に設定することができる。また、動作パラメータが風量の場合には、処理対象動作パラメータ値として、「弱」、「中」、「強」などの風量が記憶されてもよい。
　動作パラメータ値テーブル１０６は、後述する選択手段４により選択された動作パラメータ値を適用条件と対応付けて記憶することもできる。動作パラメータ値テーブル１０６は、計算手段３からの要求に応じて、記憶した適用条件を送信する。
　計算手段３は、ユーザ毎の継続時間を計算する。継続時間とは、対象機器がある動作パラメータ値で動作を継続したと推定される時間のことである。計算手段３は、履歴情報が開始条件を満たした開始時刻から、終了条件を満たした終了時刻までの経過時間として、継続時間を計算する。計算手段３は、所定の学習期間の履歴情報を取得し、履歴情報が適用条件を満たす範囲における継続時間を、処理対象動作パラメータ値ごとに計算する。学習期間は、例えば、１日、１週間、１か月など任意に設定することができる。また、計算手段３は、対象機器を操作したユーザを推定し、推定したユーザ情報を各継続時間に付加する。
　計算手段３は、図１に示すように、履歴情報が開始条件を満たすか判定する開始判定部１０７と、履歴情報が終了条件を満たすか終了判定部１０８と、終了条件を記憶する終了条件テーブル１０９と、開始時刻と終了時刻とに基づいて継続時間を計算する継続時間計算部１１０と、継続率特徴量に基づいて継続時間にユーザ情報を付加する継続時間分割部１１８と、ユーザ情報を追加された継続時間を記憶する継続時間テーブル１１１とを備える。
　開始判定部１０７は、履歴情報が開始条件を満たすか否かを判定する開始判定を実行する。開始条件とは、対象機器がある動作パラメータ値で動作を開始したことを推定するための条件であり、適用条件と処理対象動作パラメータ値とに基づいて設定される。開始判定部１０７は、履歴情報に対して時間の昇順で開始判定を実行し、履歴情報が開始条件を満たさない状態から開始条件を満たす状態になった時刻を開始時刻として取得する。開始判定部１０７は、取得した開始時刻、適用条件、及び動作パラメータ値を、終了判定部１０８及び継続時間計算部１１０に送信する。開始判定部１０７により取得された開始時刻は、継続時間の始点となる。
　図５は、開始判定部１０７が取得した履歴情報、適用条件、及び処理対象動作パラメータ値の一例を示す図である。図５において、対象機器は暖房機器、学習期間は２４時間、適用条件は在室中、処理対象動作パラメータ値は設定温度２２℃である。また、開始判定部１０７は、履歴情報として、ユーザの在室状態を示す在室情報（ユーザ情報）と、暖房機器の設定温度を示す設定温度情報（機器情報）を取得している。
　この場合、開始判定部１０７は、履歴情報が適用条件及び処理対象動作パラメータ値を同時に満たすこと、を開始条件として開始判定を実施することができる。すなわち、ユーザが在室中であり、かつ、暖房機器が設定温度２２℃で動作していることが開始条件となる。このような開始条件が設定された場合、開始判定部１０７は、履歴情報が上述の開始条件を満たすか否か直接的に判定することができるため、容易に開始判定を実行することができる。具体的には、開始判定部１０７は、時間の昇順にしたがって履歴情報を参照し、在室情報が在室中となっているか判定し、設定温度情報が２２℃となっているか判定すればよい。当該開始判定により、開始判定部１０７は、時刻ts1，ts2を開始時刻として取得することができる。時刻ts1，ts2は、図５に示すように、履歴情報を時間の昇順で参照した場合に、履歴情報（設定温度情報）が開始条件を満たさない状態（１８℃）から開始条件を満たす状態（２２℃）に変化した時刻である。
　なお、上述のように、開始時刻が複数存在する場合、開始判定部１０７は、学習期間内の開始時刻を一括して取得してもよい。また、開始判定部１０７は、開始時刻を１つずつ取得し、取得した開始時刻に対する継続時間の計算が終了した後に、次の開始時刻を取得してもよい。
　図６は、開始判定部１０７が取得した履歴情報、適用条件、及び処理対象動作パラメータ値の他の例を示す図である。図６において、開始判定部１０７は、履歴情報として、設定温度情報のかわりに室温情報（環境情報）を取得している点が図５と異なる。
　図６の場合、開始判定部１０７は、図５の場合と同様の開始条件を利用して開始判定を実施することができない。開始判定部１０７は、在室情報を参照することにより適用条件（在室中）を満たすか判定することはできるものの、室温情報を参照しても対象機器が設定温度２２℃で動作しているか判定することができないためである。このような場合には、開始判定部１０７は、例えば、ユーザが在室中であり、かつ、室温が２２℃であること、を開始条件として利用することができる。なぜなら、室温が２２℃であれば、暖房機器が設定温度２２℃で動作していると推定されるためである。
　このような開始条件を利用した場合、開始判定部１０７は、時間の昇順にしたがって履歴情報を参照し、在室情報が在室中となっているか判定し、室温情報が２２℃となっているか判定することにより、開始判定を実行する。当該開始判定により、開始判定部１０７は、時刻ts3，ts4を開始時刻として取得することができる。時刻ts3，ts4は、図６に示すように、履歴情報を時間の昇順で参照した場合に、履歴情報が開始条件を満たさない状態から開始条件を満たす状態、すなわち、室温情報が２２℃未満から２２℃に変化した時刻である。
　開始条件は、対象機器が処理対象動作パラメータ値により動作を開始したことを推定可能な条件であれば、適用条件と処理対象動作パラメータ値に基づいて任意に設定可能である。開始判定部１０７は、上述の開始条件の他にも、「室温が２２℃の状態が所定時間継続すること」などを開始条件として利用してもよい。これにより、室温の過渡的な変化を除外し、暖房機器が設定温度２２℃で動作していることをより正確に推定することができる。この場合、開始判定部１０７は、上述の時刻ts3，ts4より所定時間後の時刻を開始時刻として取得する。
　終了判定部１０８は、履歴情報が終了条件を満たすか否かを判定する終了判定を実行する。終了条件とは、対象機器がある動作パラメータ値で動作を終了したことを推定するための条件である。終了判定部１０８は、開始時刻以降の履歴情報に対して時間の昇順で終了判定を実行し、履歴情報が終了条件を満たさない状態から終了条件を満たす状態になった時刻を終了時刻として取得する。終了判定部１０８は、取得した終了時刻を継続時間計算部１１０に送信する。終了判定部１０８により取得された終了時刻は、継続時間の終点となる。
　ここで、図７は、終了条件テーブル１０９に記憶された終了条件の一例を示す図である。図７に示すように、終了条件は、不満条件と打ち切り条件とを含んで構成される。
　不満条件（第１の終了条件）は、処理対象動作パラメータ値にユーザが不満を感じたことを判定するための条件である。不満条件には、「対象機器の効用を向上させるように動作パラメータ値が変化したこと」が含まれる。具体的には、暖房機器の設定温度の上昇、冷房機器の設定温度の低下、冷暖房機器の風量の強化、照明機器の照度の上昇などが含まれる。
　例えば、暖房機器の履歴情報において、開始時刻以降に設定温度が上昇した場合、ユーザは、元の設定温度（動作パラメータ値）では寒い（不満）と感じ、暖かくなるように（効用を向上させるように）設定温度を変更したものと考えられる。すなわち、履歴情報が不満条件を満たす場合、処理対象パラメータに対してユーザが不満を感じているものと考えられる。
　これに対して、打ち切り条件（第２の終了条件）は、処理対象動作パラメータ値にユーザが大きな不満を感じていない、あるいは満足していることを判定するための条件である。打ち切り条件には、「対象機器の効用を低下させるように動作パラメータ値が変化したこと」が含まれる。具体的には、暖房機器の設定温度の低下、冷房機器の設定温度の上昇、冷暖房機器の風量の弱化、照明機器の照度の低下などが含まれる。
　例えば、暖房機器の履歴情報において、開始時刻以降に設定温度が低下した場合、ユーザは、元の設定温度（動作パラメータ値）では少なくとも寒い（不満）とは感じていないものと考えられる。
　また、打ち切り条件には、「開始時刻以降に閾値時間を経過したこと」が含まれる。閾値時間は、任意に設定可能であり、図７の場合、２４０分に設定されている。例えば、暖房機器の履歴情報において、開始時刻以降に設定温度が２４０分間維持されている場合、ユーザは、元の設定温度（動作パラメータ値）に不満がない、あるいは満足しているものと考えられる。すなわち、履歴情報が打ち切り条件を満たす場合、処理対象パラメータに対してユーザが大きな不満を感じていない、あるいは満足しているものと考えられる。
　継続時間計算部１１０は、開始判定部１０７から取得した開始時刻と、終了判定部１０８から取得した終了時刻とに基づいて継続時間を計算する。継続時間計算部１１０は、終了時刻から開始時刻を減算することにより、継続時間を計算することができる。継続時間計算部１１０は、計算した継続時間、適用条件、処理対象動作パラメータ値、及び終了条件（不満条件又は打ち切り条件）を継続時間分割部１１８及び継続時間テーブル１１１に送信する。
　継続時間分割部１１８は、継続率特徴量計算部１１２から取得した継続率特徴量に基づいて、継続時間計算部１１０から取得した複数の継続時間を分割し、分割した各継続時間に対してユーザを割当てる。例えば、継続時間分割部１１８は、継続率特徴量計算部１１２から１０個の継続時間を取得した場合、ユーザＡを割当てる３個の継続時間と、ユーザＢを割当てる７個の継続時間と、に分割する。そして、継続時間分割部１１８は、各継続時間に割当てられたユーザのユーザ情報を継続時間テーブル１１１に送信する。これにより、継続時間にユーザ情報が付加される。ここで付加されるユーザ情報には、ユーザを特定する情報（ユーザＩＤ等）が含まれる。
　継続時間にユーザ情報を付加することで、続特徴量計算部１１２は、各ユーザの継続率特徴量を計算することができる。また、動作パラメータ値選択部１１３は、各ユーザの継続率特徴量を考慮した動作パラメータ値の選択ができるようになる。
　継続時間テーブル１１１は、継続時間計算部１１０及び継続時間分割部１１８から取得した適用条件、処理対象動作パラメータ値、継続時間、終了条件（不満条件又は打ち切り条件）、及びユーザ情報を対応付けて、継続時間情報として記憶する。図８は、継続時間テーブル１１１に記憶された継続時間情報の一例を示す図である。図８において、対象機器は暖房機器であり、動作パラメータは設定温度であり、ユーザ情報はユーザＩＤである。継続時間テーブル１１１は、選択手段４からの要求に応じて、継続時間情報を送信する。
　選択手段４は、計算手段３により計算された継続時間に基づいて継続率特徴量を計算し、計算された継続率特徴量に基づいてユーザ毎の最適な動作パラメータ値を選択する。図１に示すように、選択手段４は、継続率特徴量を計算する継続率特徴量計算部１１２と、最適な動作パラメータ値を選択する動作パラメータ値選択部１１３と、選択条件を記憶する選択条件テーブル１１４とを備える。
　継続率特徴量計算部１１２は、継続時間テーブル１１１から取得した継続時間情報に基づいて、処理対象動作パラメータ値ごと、かつ、ユーザごとに継続率特徴量を計算する。継続率特徴量とは、各継続時間において対象機器が処理対象動作パラメータ値で動作を継続する確率の推移を表す曲線を代表する特徴量で、例えば、全時刻の継続率や、曲線を確率分布でフィッティングした場合のパラメータである。
　図９は、継続率特徴量の一例を示す図である。図９において、継続率特徴量は継続率であり、ユーザＡの設定温度１８度の継続率と、ユーザＢの設定温度１８度の継続率と、が示されている。
　継続率特徴量計算部１１２は、例えば、生存時間解析における生存関数にワイブル分布（確率分布）の混合和を仮定し、最尤法で確率分布のパラメータを推定することで計算することができる。混合ワイブル分布を仮定した場合は、スケールパラメータ及び形状パラメータをユーザごとに計算できる。継続率特徴量計算部１１２は、これらの値の組を継続率特徴量としてユーザ毎に出力する。
　また、継続率特徴量計算部１１２は、計算した継続率特徴量に基づいて、各継続時間に割当てられたユーザの尤度を計算する。その後、継続時間分割部１１８による継続時間の分割及びユーザの割当と、継続率特徴量計算部１１２による継続率特徴量及び尤度の計算と、が繰り返される。
　継続率特徴量計算部１１２は、尤度の変化が所定の閾値以下となるまで上記の処理を繰り返し、処理の終了時点における継続率特徴量を、動作パラメータ値選択部１１３に送信する。なお、上記の処理は、予め回数が設定されていてもよい。
　動作パラメータ値選択部１１３は、継続率特徴量計算部１１２から継続率特徴量を取得し、選択条件テーブル１１４から動作パラメータ値の選択条件を取得し、継続率特徴量と選択条件とを比較することにより、最適な動作パラメータ値を選択する。
　図１０は、選択条件テーブル１１４に記憶された選択条件の一例を示す図である。図１０は、図９の継続率特徴量に対して設定された選択条件である。図１０の選択条件は、継続率特徴量を入力としてSupport Vector Machineなどの識別手法で計算した識別確率が０．６以上という条件を満たす動作パラメータ値（設定温度）の中で、最も小さいものを選択する、という条件である。ここでいう識別確率とは、各ユーザの継続率特徴量に基づいて計算された、ユーザが満足と感じる、或いは、不満を感じない確率である。
　例えば、設定温度２０℃はユーザＡもユーザＢも識別確率が０．６以上、設定温度１９℃はユーザＡもユーザＢも識別確率が０．６以上、設定温度１８℃はユーザＡの識別確率が０．６未満、ユーザＢの識別確率が０．６以上の場合、選択条件を満たす設定温度は１９℃となる。したがって、動作パラメータ値選択部１１３は、最適な設定温度として１９℃を選択する。
　このように選択することで、全てのユーザにとって不満が少ない動作パラメータ値を選択することができる。また、上記のように、識別確率と他の条件とを併用することで、ユーザの不満が少ない動作パラメータ値の中から、消費電力が最も小さい動作パラメータ値を選択することができる。なお、Support Vector Machineなど識別手法を利用する場合、予め正解データにて識別手法のパラメータを学習しておけばよい。
　動作パラメータ値選択部１１３は、以上のように選択した最適な動作パラメータ値と、適用条件と、ユーザ情報と、を動作パラメータ値テーブル１１６に送信する。動作パラメータ値テーブル１０６は、取得した最適な動作パラメータ値、適用条件、及びユーザ情報を対応付けて記憶する。
　なお、以上で説明した学習装置の機能構成は、例えば、汎用のコンピュータ装置２００を基本ハードウェアとして用いることで実現可能である。図１１に示すように、汎用コンピュータ装置２００は、ＣＰＵ２０２と、入力部２０３と、表示部２０４と、通信部２０５と、主記憶部２０６と、外部記憶部２０７とを備え、各部はバス２０１により相互に接続されている。
　入力部２０３は、キーボード、マウス等の入力デバイスを備え、入力デバイスの操作による操作信号をＣＰＵ２０２に出力する。
　表示部２０４は、ＬＣＤ（Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）等の表示ディスプレイからなる。
　通信部２０５は、Ｅｔｈｅｒｎｅｔ（登録商標）、無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の通信手段を有する。通信部２０５は、ユーザ情報取得部１０１、環境情報取得部１０２、及び機器情報取得部１０３との間で通信を行い、ユーザ情報、環境情報、及び機器情報を取得する。なお、図１１において、ユーザ情報取得部１０１、環境情報取得部１０２、及び機器情報取得部１０３は外部機器に設けられている。
　外部記憶部２０７は、例えば、ハードディスク、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＤＶＤ－ＲＡＭ、及びＤＶＤ－Ｒなどの記憶媒体から構成される。外部記憶部２０７には、開始判定部１０７、終了判定部１０８、継続時間計算部１１０、継続率計算部１１２、及び動作パラメータ値選択部１１３による処理をＣＰＵ２０２に実行させるための制御プログラムが記憶されている。
　主記憶部２０６は、メモリ等により構成される。主記憶部２０６は、ＣＰＵ２０２による制御の下で、外部記憶部２０７に記憶された制御プログラムを展開し、制御プログラムの実行時に必要なデータや、制御プログラムの実行により生じたデータなどを記憶する。
　なお、学習装置は、上記制御プログラムをコンピュータ装置にあらかじめインストールすることで実現してもよい。また、学習装置は、ＣＤ－ＲＯＭなどの記憶媒体に記憶された、あるいはネットワークを介して配布された制御プログラムをコンピュータ装置２００に適宜インストールすることで実現してもよい。
　履歴情報記憶部１０４、適用条件テーブル１０５、動作パラメータ値テーブル１０６、終了条件テーブル１０９、継続時間テーブル１１１、及び選択条件テーブル１１４は、コンピュータ装置２００に内蔵あるいは外付けされた主記憶部２０６や外部記憶部２０７などの記憶媒体を適宜利用して実現することができる。
　なお、学習装置は、上述の構成要素の他に、計算された継続率や選択された動作パラメータ値などの情報を印刷するためのプリンタを備えてもよい。また、履歴情報を収集する対象機器に応じて、図１１に示す学習装置の構成を変更してもよい。
　次に、本実施形態に係る学習装置の動作について、図１２を参照して説明する。図１２は、本実施形態に係る学習装置による学習処理を示すフローチャートである。図１２に示すように、学習処理が開始すると、まず、開始判定部１０７は、情報取得部１から学習期間の履歴情報を取得し、適用条件テーブル１０５から学習対象となる適用条件を取得し、動作パラメータ値テーブル１０６から適用条件と対応した処理対象動作パラメータ値を取得する（ステップＳ１）。
　開始判定部１０７は、履歴情報、適用条件、及び処理対象動作パラメータ値を取得すると、複数の処理対象動作パラメータ値の中から、処理対象動作パラメータ値を１つ選択する（ステップＳ２）。次に、開始判定部１０７は、履歴情報を学習期間の始点から時間の昇順に従って参照し、適用条件と選択された処理対象動作パラメータ値とに基づいて、開始判定を実施する（ステップＳ３）。開始判定部１０７は、開始判定により最初の開始時刻を取得し、開始時刻、適用条件、及び処理対象動作パラメータ値を、終了判定部１０８及び継続時間計算部１１０に送信する。
　終了判定部１０８は、開始判定部１０７から最初の開始時刻を取得すると、当該開始時刻以降の履歴情報を参照し、終了条件に基づいて終了判定を実施し（ステップＳ４）、最初の開始時刻に対する終了時刻を取得する。終了判定部１０８は、取得した終了時刻及び終了条件（不満条件又は打ち切り条件）を、継続時間計算部１１０に送信する。
　継続時間計算部１１０は、終了判定部１０８から取得した終了時刻から、開始判定部１０７から取得した開始時刻を減算することにより、継続時間を計算する（ステップＳ５）。継続時間計算部１１０は、継続時間、適用条件、動作パラメータ値、及び終了条件を、継続時間分割部１１８及び継続時間テーブル１１１に送信する。
　継続時間テーブル１１１は、継続時間計算部１１０から取得した適用条件、継続時間、動作パラメータ値、及び終了条件を対応付け、継続時間情報として記憶する（ステップＳ６）。継続時間テーブル１１１が継続時間情報を記憶すると、開始判定部１０７は、ステップＳ４で取得された終了時刻以降の履歴情報を参照し、再び開始判定を実施する。開始判定部１０７により次の開始時刻が取得された場合（ステップＳ７のＹｅｓ）、上述のステップＳ３～ステップＳ６の処理を繰り返す。
　一方、開始判定部１０７により次の開始時刻が取得されない場合（ステップＳ７のＮｏ）、継続時間分割部１１８は、継続率特徴量計算部１１２から取得した複数の継続時間を分割し、分割した各継続時間にユーザを割当てる（ステップＳ１９）。継続時間分割部１１８が割当てたユーザのユーザ情報は、継続時間テーブル１１１に記憶される。
　１回目の分割の場合、継続時間分割部１１８は、継続時間をランダムに分割し、ユーザをランダムに割当てればよい。また、２回目以降の分割の場合、継続時間分割部１１８は、分割及び割当てをランダムに行なってもよいし、継続時間特徴量に基づいて計算された尤度に基づいて行なってもよい。
　継続率特徴量計算部１１２は、それまでに継続時間テーブル１１１に記憶された継続時間情報に基づいて、継続率特徴量を計算する（ステップＳ８）。継続率計算部１１２は、継続時間テーブル１１１からステップＳ２において選択された処理対象動作パラメータ値の継続時間情報を全て、あるいは少なくとも一部を取得し、継続率特徴量を計算する。また、継続率特徴量計算部１２は、計算した継続率特徴量に基づいて、ユーザの割当ての尤度を計算する。ユーザの割当ての尤度として、混合ワイブル分布の尤度を計算してもよい。
　継続率特徴量計算部１１２は、前回計算した尤度と、新たに計算した尤度と、を比較する（ステップＳ２０）。尤度の変化が閾値より大きい場合（ステップＳ２０のＮｏ）、或いは、尤度の計算が１回目の場合、処理はステップＳ１９に戻る。
　一方、尤度の変化が閾値以下の場合（ステップＳ２０のＹｅｓ）、継続率特徴量計算部１１２は、計算した継続率特徴量を動作パラメータ値選択部１１３に送信し、処理はステップＳ９に進む。
　継続率特徴量計算部１１２により継続率特徴量が計算されると、開始判定部１０７は、動作パラメータ値テーブル１０６から取得した全ての処理対象動作パラメータ値及びユーザについて処理が終了したか判定する（ステップＳ９）。未処理の動作パラメータ値またはユーザが存在する場合（ステップＳ９のＮｏ）、上述のステップＳ２～ステップＳ８の処理が繰り返される。
　一方、全ての処理対象動作パラメータ値及びユーザについて継続率特徴量の計算が終了した場合（ステップＳ９のＹｅｓ）、動作パラメータ値選択部１１３は、継続率特徴量計算部１１２から各動作パラメータ値の継続率特徴量を取得し、選択条件テーブル１１４から選択条件を取得する。動作パラメータ値選択部１１３は、計算された処理対象動作パラメータ値ごとの継続率特徴量と選択条件とを比較し、最適な動作パラメータ値を選択する（ステップＳ１０）。選択された動作パラメータ値は、適用条件と対応付けられて動作パラメータ値テーブル１０６に記憶される。
　なお、上記の学習処理において、ステップＳ１９，Ｓ８，Ｓ２０と、ステップＳ９と、は順番が逆でもよい。この場合、継続時間テーブル１１１には、複数の動作パラメータ値の継続時間情報が記憶される。継続率特徴量計算部１１２は、複数の動作パラメータ値の継続時間情報を取得し、動作パラメータ値ごとに継続率特徴量を計算すればよい。また、開始判定部１０７は、開始時刻を１つずつ取得し、取得された開始時刻に対する継続時間が計算されてから次の開始時刻を取得しているが、学習期間内の開始時刻を一括して取得してもよい。また、ステップＳ２０は省略されてもよい。
　以上説明した通り、本実施形態に係る学習装置及び学習方法によれば、選択条件で設定された識別確率よりも、各ユーザの識別確率が高い動作パラメータ値を学習することができる。したがって、本実施形態に係る学習装置によれば、対象機器が複数のユーザにより使用される場合であっても、ユーザ全体にとって不満の少ない動作パラメータ値を学習することができる。
　また、本実施形態に係る学習装置は、ユーザにとって不満の少ない動作パラメータ値の中から、消費電力の最も小さい動作パラメータ値なども学習することもできるため、ユーザ全体にとって最適な動作パラメータ値を学習することができる。
　さらに、本実施形態に係る学習装置は、適用条件を変化させることにより、様々な状況における最適な動作パラメータ値を学習することができる。例えば、対象機器が冷暖房機器の場合、室温や湿度ごとの最適な設定温度、風量、及び風向を学習することができる。
　図１３は、動作パラメータ値通知部１１７をさらに備えた本実施形態に係る動作パラメータ値学習装置の機能構成を示すブロック図である。この動作パラメータ値学習装置は、動作パラメータ値学習装置により学習した最適な動作パラメータ値をユーザに通知する動作パラメータ値通知装置として利用することができる。
　動作パラメータ値通知部１１７（通知手段）は、選択手段４により選択された最適な動作パラメータ値をユーザに通知する。動作パラメータ値通知部１１７は、履歴情報記憶部１０４から現在の、あるいは直近の所定期間の履歴情報を取得し、適用条件テーブル１０５から適用条件を取得する。動作パラメータ値通知部１１７は、取得した履歴情報と適用条件とを比較することにより履歴情報が適用条件を満たすか判定し、適用条件を満たすと判定した場合、動作パラメータ値テーブル１０６から当該適用条件と対応する最適な動作パラメータ値を取得し、ユーザに通知する。動作パラメータ値通知部１１７として、画像出力機能を備えたディスプレイや音声出力機能を備えたスピーカなどの出力装置を使用することができる。
　ユーザは、動作パラメータ値通知部１１７により通知された動作パラメータ値に従って機器を制御することにより、快適な環境の構築や消費電力の低減などのメリットを享受することができる。
（第２実施形態）
　次に、学習型機器制御装置（以下、「制御装置」という）の実施形態について、図１４～図１７を参照して説明する。本実施形態に係る制御装置は、家庭、店舗、オフィス、工場、商業施設などに設置された対象機器の動作パラメータを、予め設定された制御ルールにしたがって制御する。本実施形態に係る制御装置は、第１実施形態に係る学習装置により学習された最適な動作パラメータ値を利用して対象機器を制御する。
　ここで、図１４は、本実施形態に係る制御装置の機能構成を示すブロック図である。図１４に示すように制御装置は、情報取得手段１と、記憶手段２と、計算手段３と、選択手段４とを備える。以上の構成は、第１実施形態に係る学習装置と同様である。本実施形態に係る制御装置は、さらに、対象機器を制御する機器制御部１１５と、制御ルールを記憶した制御ルールテーブル１１６とを備える。
　機器制御部１１５（制御手段）は、予め設定された制御ルールに従って対象機器を制御する。機器制御部１１５は、履歴情報記憶部１１４から現在（最新）の、あるいは直近の所定期間の履歴情報を取得し、制御ルールテーブル１１６から制御ルールを取得し、動作パラメータ値テーブル１０６から最適な動作パラメータ値を取得する。機器制御部１１５は、現在の履歴情報と制御ルールとを比較し、対象機器に対して制御を開始する制御ルールを選択する。
　図１５は、対象機器が暖房機器の場合の制御ルールテーブルに記憶された制御ルールの一例を示す図である。図１５に示すように、各制御ルールは、制御開始条件と制御内容とから構成される。制御開始条件とは、制御ルールに従った対象機器の制御を開始するか否かを判定するための条件である。機器制御部１１５は、現在の履歴情報と制御開始条件とを比較し、現在の履歴情報が制御開始条件を満たした場合、当該制御ルールによる対象機器の制御を開始する。制御開始条件は、ユーザの行動状態、環境状態、及び機器の動作状態の少なくとも１つに基づいて設定される。制御内容とは、現在の履歴情報が制御開始条件を満たした場合に機器制御部１１５が対象機器に実行させる制御の内容である。
　例えば、図１５に示すＩＤ１の制御ルールは、制御開始条件が不在時であり、制御内容が暖房機器のＯＦＦ（動作停止）である。すなわち、機器制御部１１５は、在室していたユーザが不在になると、ＩＤ１の制御ルールによる制御を開始し、暖房機器の動作を停止させる。
　これに対して、図１５に示すＩＤ２の制御ルールは、制御開始条件が在室時であり、制御内容が設定温度Ｔ１℃である。すなわち、機器制御部１１５は、不在だったユーザが在室すると、ＩＤ２の制御ルールによる制御を開始し、設定温度Ｔ１℃で暖房機器を動作させる。ここで、ＩＤ２の制御ルールの制御内容は、暖房機器の動作パラメータ値（設定温度）により設定されており、動作パラメータ値は変数Ｔ１で表されている。このような場合、機器制御部１１６は、動作パラメータ値Ｔ１として、動作パラメータ値テーブル１０６に記憶された最適な動作パラメータ値を取得し、取得した動作パラメータ値を利用して対象機器を制御する。
　次に、本実施形態に係る制御装置の動作について図１６及び図１７を参照して説明する。図１６は、本実施形態に係る制御装置の学習処理を示すフローチャートである。図１６に示すように、まず、開始判定部１０７が学習期間の履歴情報、制御開始条件、及び処理対象動作パラメータ値を取得する（ステップＳ１１）。
　開始判定部１０７は、制御開始条件を制御ルールテーブル１１６から取得してもよい。この場合、制御装置は、適用条件テーブル１０５を備えない構成も可能である。また、適用条件テーブル１０５に制御開始条件が適用条件として予め記憶されている場合、開始判定部１０７は、制御開始条件を適用条件テーブル１０５から取得してもよい。いずれの場合も、開始判定部１０７は、上述のＩＤ２の制御ルールのように、制御内容が動作パラメータ値により設定された制御ルールの制御開始条件を取得すればよく、上述のＩＤ１のように、制御内容が動作パラメータ値により設定されていない制御ルールの制御開始条件は取得しなくてもよい。
　また、開始判定部１０７は、制御開始条件ごとに記憶された処理対象動作パラメータ値を動作パラメータ値テーブル１０６から取得する。動作パラメータ値テーブル１０６には、制御開始条件ごとの処理対象動作パラメータ値を予め記憶しておけばよい。そして、開始判定部１０７は、最初に学習処理を実施する制御開始条件を１つ選択する（ステップＳ１２）。
　以降の学習処理は、第１実施形態に係る学習装置の学習処理のステップＳ２～ステップＳ１０と同様である（図１２参照）。すなわち、開始判定部１０７は処理対象動作パラメータ値を１つ選択し（ステップＳ２）、開始判定を実施して開始時刻を取得する（ステップＳ３）。終了判定部１０８は、終了判定を実施し、開始判定部１０７が取得した開始時刻に対する終了時刻及び終了条件を取得する（ステップＳ４）。継続時間計算部１１０は、開始時刻と終了時刻に基づいて継続時間を計算する（ステップＳ５）。継続時間テーブル１１１は、継続時間情報を記憶する（ステップＳ６）。以上のステップＳ２～ステップＳ６の処理が、開始判定部１０７により開始時刻を取得できなくなるまで繰り返された後（ステップＳ７）、継続率特徴量計算部１１２は継続率特徴量を計算する（ステップＳ８）。以上のステップＳ２～ステップＳ８の処理が全ての処理対象動作パラメータ値に対して実行される（ステップＳ９）。全ての処理対象動作パラメータ値に対する継続率特徴量が計算されると、動作パラメータ値選択部１１３は、選択条件に基づいて最適な動作パラメータ値を選択する（ステップＳ１０）。ステップＳ１０が完了した時点で、ステップＳ１１において選択された制御開始条件を含む制御ルールに対する最適な動作パラメータ値の選択が完了する。選択された最適な動作パラメータ値は、制御開始条件と対応付けて動作パラメータ値テーブル１０６に記憶される。
　以上のステップＳ２～ステップＳ１０の処理が、全ての制御開始条件に対して実行される（ステップＳ１３）。これにより、全ての制御ルールに対して最適な動作パラメータ値が選択され、動作パラメータ値テーブル１０６に記憶される。制御装置は、このような学習処理を、１時間、１日、１週間などの任意の間隔で実行することにより、最適な動作パラメータ値を更新することができる。
　図１７は、本実施形態に係る制御装置の対象機器の制御処理を示すフローチャートである。図１７に示すように、まず、機器制御部１１５は、現在又は直近の所定期間の履歴情報、制御ルール、動作パラメータ値を取得する（ステップＳ１４）。ここで機器制御部１１５が取得する動作パラメータ値は、上述の学習処理により選択され、動作パラメータ値テーブル１１６に記憶された各制御ルールに対する最適な動作パラメータ値である。
　次に、機器制御部１１５は、取得した制御ルールから１つを選択する（ステップＳ１５）。機器制御部１１５は、選択した制御ルールの制御開始条件を履歴情報が満たすか判定することにより、当該制御ルールに従った制御を開始するか否か判定する（ステップＳ１６）。機器制御部１１５は、制御を開始しないと判定した場合（ステップＳ１６のＮｏ）、全ての制御ルールに対して処理が終了したか否か判定する（ステップＳ１８）。全ての制御ルールに対して処理が終了している場合（ステップＳ１８のＹｅｓ）、機器制御部１１５は処理を終了し、未処理の制御ルールが存在する場合（ステップＳ１８のＮｏ）、次の制御ルールを選択する（ステップＳ１５）。
　これに対して、機器制御部１１５は、選択した制御ルールに従った制御を開始すると判定した場合（ステップＳ１６のＹｅｓ）、当該制御ルールの制御内容と、当該制御ルールと対応付けられた最適な動作パラメータ値と、を対象機器に送信し、対象機器の制御を開始する（ステップＳ１７）。すなわち、機器制御部１１５は、対象機器の動作パラメータを最適な動作パラメータ値に設定する。本実施形態に係る制御装置は、以上のような制御処理を、数秒間隔や１分間隔などの所定の時間間隔で実行する。
　以上説明した通り、本実施形態に係る制御装置によれば、対象機器を最適な動作パラメータ値を利用して自動的に制御することができる。これにより、ユーザは自ら対象機器の動作パラメータ値を調整することなく、快適な環境を構築したり、消費電力の低減などのメリットを享受したりすることができる。また、最適な動作パラメータ値は学習処理により自動的に更新されるため、ユーザの性向が変化した場合でも、当該変化に応じた最適な動作パラメータ値を利用して対象機器を制御することができる。
　なお、本発明は上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、各実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。
１：情報取得手段
２：記憶手段
３：計算手段
４：選択手段
１０１：ユーザ情報取得部
１０２：環境情報取得部
１０３：機器情報取得部
１０４：履歴情報記憶部
１０５：適用条件テーブル
１０６：パラメータテーブル
１０７：開始判定部
１０８：終了条件テーブル
１０９：終了判定部
１１０：継続時間計算部
１１１：継続時間テーブル
１１２：継続率特徴量計算部
１１３：動作パラメータ値選択部
１１４：選択条件テーブル
１１５：機器制御部
１１６：制御ルールテーブル
１１７：動作パラメータ値通知部
１１８：継続時間分割部

Claims (12)

  1. 　機器の動作パラメータの値をユーザごとに学習する動作パラメータ値学習装置であって、
    　前記ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つの履歴情報に基づいて、前記機器が各動作パラメータ値で動作したと推定される継続時間を、前記ユーザごとに計算する計算手段と、
    　前記計算手段により計算された前記継続時間から、各継続時間おいて前記機器が各動作パラメータ値で動作を継続する継続率特徴量を前記ユーザごとに計算し、計算された前記継続率特徴量に基づいて動作パラメータ値を選択する選択手段と、
    を備える動作パラメータ値学習装置。
  2. 　前記計算手段は、ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つに基づいて設定された適用条件と前記履歴情報とを比較し、前記履歴情報が前記適用条件を満たす場合における前記継続時間を前記ユーザごと及び前記動作パラメータ値ごとに計算する
    請求項１に記載の動作パラメータ値学習装置。
  3. 　前記計算手段は、前記履歴情報と予め定められた開始条件とを比較することにより、前記履歴情報が前記開始条件を満たす開始時刻を取得し、前記履歴情報と予め定められた終了条件とを比較することにより、前記履歴情報が前記終了条件を満たす終了時刻を取得し、前記開始時刻と前記終了時刻とに基づいて前記継続時間を計算する
    請求項１又は請求項２に記載の動作パラメータ値学習装置。
  4. 　前記終了条件には、前記開始時刻以降に予め定められた閾値時間を経過したことが含まれる
    請求項３に記載の動作パラメータ値学習装置。
  5. 　前記終了条件には、前記開始時刻以降に前記動作パラメータ値が変化したことが含まれる
    請求項３又は請求項４に記載の動作パラメータ値学習装置。
  6. 　前記終了条件には、第１の終了条件と第２の終了条件とからなり、
    　前記第１の終了条件には、前記対象機器による効用を向上させるように前記動作パラメータ値が変化したことが含まれ、
    　前記第２の終了条件には、前記対象機器による効用を低下させるように前記動作パラメータ値が変化したこと及び開始時刻以降に前記閾値時間を経過したことの少なくとも一方が含まれる
    請求項３～請求項５のいずれか１項に記載の動作パラメータ値学習装置。
  7. 　前記選択手段として、前記機器の消費電力が最も低くなる動作パラメータ値、前記特徴量継続率が最も高い動作パラメータ値、又は現在の動作パラメータ値に最も近い動作パラメータ値を選択する
    請求項１～請求項６のいずれか１項に記載の動作パラメータ値学習装置。
  8. 　前記履歴情報を取得する情報取得手段をさらに備える
    請求項１～請求項７のいずれか１項に記載の動作パラメータ値学習装置。
  9. 　前記機器の動作パラメータには、冷暖房機器の設定温度、風量及び風向と、照明機器の照度とが含まれる
    請求項１～請求項８のいずれか１項に記載の動作パラメータ値学習装置。
  10. 　前記選択手段により選択された動作パラメータ値をユーザに通知する通知手段をさらに備える請求項１～請求項９のいずれか１項に記載の動作パラメータ値学習装置。
  11. 　請求項１～請求項１０のいずれか１項に記載の動作パラメータ値学習装置と、
    　前記動作パラメータ値学習装置により選択された前記動作パラメータ値を利用して前記機器を制御する制御手段と、
    を備えた学習型機器制御装置。
  12. 　機器の動作パラメータの値をユーザごとに学習する動作パラメータ値学習方法であって、
    　ユーザの行動状態、環境の状態、及び機器の動作状態の少なくとも１つの履歴情報に基づいて、前記機器が各動作パラメータ値で動作したと推定される継続時間を、前記ユーザごとに計算することと、
    　前記計算手段により計算された前記継続時間から、各継続時間おいて前記機器が各動作パラメータ値で動作を継続する継続率特徴量を前記ユーザごとに計算し、計算された前記継続率特徴量に基づいて動作パラメータ値を選択することと、
    を備える動作パラメータ値学習方法。
PCT/JP2015/051216 2014-01-17 2015-01-19 動作パラメータ値学習装置、動作パラメータ値学習方法、及び学習型機器制御装置 WO2015108179A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2015557910A JP6280569B2 (ja) 2014-01-17 2015-01-19 動作パラメータ値学習装置、動作パラメータ値学習方法、学習型機器制御装置及びプログラム
US15/211,422 US20160321564A1 (en) 2014-01-17 2016-07-15 Operational parameter value learning device, operational parameter value learning method, and controller for learning device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-007065 2014-01-17
JP2014007065 2014-01-17

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US15/211,422 Continuation US20160321564A1 (en) 2014-01-17 2016-07-15 Operational parameter value learning device, operational parameter value learning method, and controller for learning device

Publications (1)

Publication Number Publication Date
WO2015108179A1 true WO2015108179A1 (ja) 2015-07-23

Family

ID=53543061

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/051216 WO2015108179A1 (ja) 2014-01-17 2015-01-19 動作パラメータ値学習装置、動作パラメータ値学習方法、及び学習型機器制御装置

Country Status (3)

Country Link
US (1) US20160321564A1 (ja)
JP (1) JP6280569B2 (ja)
WO (1) WO2015108179A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105318499A (zh) * 2015-09-30 2016-02-10 广东美的制冷设备有限公司 用户行为自学习空调系统及其控制方法
JP2019501355A (ja) * 2015-10-09 2019-01-17 ザ プロクター アンド ギャンブル カンパニー 空気処理装置の遠隔制御及び無線揮発性組成物ディスペンサの温度センサの使用による温度制御
JPWO2019022198A1 (ja) * 2017-07-28 2020-07-09 京セラ株式会社 燃料電池システム、設備管理方法、管理装置及び設備管理システム
CN112689733A (zh) * 2018-09-25 2021-04-20 夏普株式会社 空气净化机以及空气净化机的控制方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11226124B2 (en) 2015-10-09 2022-01-18 The Procter & Gamble Company Systems and methods for coupling the operations of an air handling device and a volatile composition dispenser
US10941950B2 (en) * 2016-03-03 2021-03-09 Kabushiki Kaisha Toshiba Air conditioning control device, air conditioning control method and non-transitory computer readable medium
KR102026020B1 (ko) 2018-04-10 2019-11-26 엘지전자 주식회사 인공지능을 이용한 파라미터 학습에 기반한 공기조화기, 클라우드 서버, 공기조화기의 구동 및 제어 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006057908A (ja) * 2004-08-20 2006-03-02 Fujitsu General Ltd 空気調和機
JP2012038514A (ja) * 2010-08-05 2012-02-23 Shimizu Corp 環境調整制御装置
JP2013161346A (ja) * 2012-02-07 2013-08-19 Seiko Epson Corp 稼働状況解析支援プログラム、記録媒体及び稼働状況解析支援装置
JP2013249991A (ja) * 2012-05-31 2013-12-12 Mitsubishi Electric Building Techno Service Co Ltd 空調制御システムおよび空調制御方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006057908A (ja) * 2004-08-20 2006-03-02 Fujitsu General Ltd 空気調和機
JP2012038514A (ja) * 2010-08-05 2012-02-23 Shimizu Corp 環境調整制御装置
JP2013161346A (ja) * 2012-02-07 2013-08-19 Seiko Epson Corp 稼働状況解析支援プログラム、記録媒体及び稼働状況解析支援装置
JP2013249991A (ja) * 2012-05-31 2013-12-12 Mitsubishi Electric Building Techno Service Co Ltd 空調制御システムおよび空調制御方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105318499A (zh) * 2015-09-30 2016-02-10 广东美的制冷设备有限公司 用户行为自学习空调系统及其控制方法
CN105318499B (zh) * 2015-09-30 2018-06-01 广东美的制冷设备有限公司 用户行为自学习空调系统及其控制方法
JP2019501355A (ja) * 2015-10-09 2019-01-17 ザ プロクター アンド ギャンブル カンパニー 空気処理装置の遠隔制御及び無線揮発性組成物ディスペンサの温度センサの使用による温度制御
JP2021092390A (ja) * 2015-10-09 2021-06-17 ザ プロクター アンド ギャンブル カンパニーＴｈｅ Ｐｒｏｃｔｅｒ ＆ Ｇａｍｂｌｅ Ｃｏｍｐａｎｙ 空気処理装置の遠隔制御及び無線揮発性組成物ディスペンサの温度センサの使用による温度制御
JPWO2019022198A1 (ja) * 2017-07-28 2020-07-09 京セラ株式会社 燃料電池システム、設備管理方法、管理装置及び設備管理システム
US11557777B2 (en) 2017-07-28 2023-01-17 Kyocera Corporation Fuel cell system, equipment management method, management apparatus, and equipment management system
CN112689733A (zh) * 2018-09-25 2021-04-20 夏普株式会社 空气净化机以及空气净化机的控制方法
CN112689733B (zh) * 2018-09-25 2022-07-05 夏普株式会社 空气净化机以及空气净化机的控制方法

Also Published As

Publication number Publication date
JP6280569B2 (ja) 2018-02-14
JPWO2015108179A1 (ja) 2017-03-23
US20160321564A1 (en) 2016-11-03

Similar Documents

Publication Publication Date Title
JP6280569B2 (ja) 動作パラメータ値学習装置、動作パラメータ値学習方法、学習型機器制御装置及びプログラム
US10584892B2 (en) Air-conditioning control method, air-conditioning control apparatus, and storage medium
CN105546761B (zh) 空调系统自学习控制方法
JP5503410B2 (ja) 設定値管理方法および装置
JP4882557B2 (ja) 空調制御装置、空調制御システム及び空調制御方法
CN103398451A (zh) 基于学习用户行为的多维舒适度室内环境控制方法及系统
US10941950B2 (en) Air conditioning control device, air conditioning control method and non-transitory computer readable medium
CN111256307A (zh) 温度控制方法、空气调节设备及控制设备和存储介质
CN113531818A (zh) 用于空调的运行模式推送方法及装置、空调
JP6817588B2 (ja) 空気調和機の最適オン／オフ時刻算出処理を実行するサーバ、および最適オン／オフ時刻算出処理システム
CN109341012B (zh) 空调器及其控制方法和装置
CN111373206A (zh) 空调控制装置、空调系统、空调控制方法以及程序
CN111256325A (zh) 温度控制方法、空气调节设备及控制设备和存储介质
JP2020067206A (ja) トルク制御プログラム、トルク制御方法およびトルク制御装置
JP7313158B2 (ja) 空気調和機制御装置、空気調和機制御方法およびプログラム
CN108397862B (zh) 空气调节装置及其控制方法、控制终端和服务器
WO2023279709A1 (zh) 用于空调的控制方法及装置、空调
JP5460772B2 (ja) ホームネットワーク管理システム、サーバ、および、プログラム
CN111426000A (zh) 空调控制的方法、装置及计算机存储介质
CN109539499B (zh) 空调控制的方法、装置及计算机存储介质
JP2022085820A (ja) エアコン及びその制御方法、コンピュータ記憶媒体
WO2016042724A1 (ja) 通風制御装置、通風制御システムおよびプログラム
US20190360713A1 (en) System and method for hvac system schedule generation based on user defined comfort level inputs
JP5619309B2 (ja) ホームネットワーク管理システム、サーバ、プログラム、および、ホームネットワーク管理方法
CN106774783B (zh) 节能控制方法和服务器

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15736893

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2015557910

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15736893

Country of ref document: EP

Kind code of ref document: A1