WO2022255344A1 - 冷蔵庫、冷蔵庫の制御方法、及びプログラム - Google Patents

冷蔵庫、冷蔵庫の制御方法、及びプログラム Download PDF

Info

Publication number
WO2022255344A1
WO2022255344A1 PCT/JP2022/022072 JP2022022072W WO2022255344A1 WO 2022255344 A1 WO2022255344 A1 WO 2022255344A1 JP 2022022072 W JP2022022072 W JP 2022022072W WO 2022255344 A1 WO2022255344 A1 WO 2022255344A1
Authority
WO
WIPO (PCT)
Prior art keywords
refrigerator
unit
frost
amount
learning
Prior art date
Application number
PCT/JP2022/022072
Other languages
English (en)
French (fr)
Inventor
好正 堀尾
雅至 中川
勇治 野村
拓哉 林
智裕 中村
智之 小柳
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to JP2023525846A priority Critical patent/JPWO2022255344A1/ja
Priority to CN202280038524.2A priority patent/CN117441083A/zh
Publication of WO2022255344A1 publication Critical patent/WO2022255344A1/ja

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D21/00—Defrosting; Preventing frosting; Removing condensed or defrost water
    • F25D21/06—Removing frost

Definitions

  • the present disclosure relates to refrigerators, refrigerator control methods, and programs.
  • Patent Document 1 discloses a defrosting control device that estimates the amount of frost on the showcase based on the temperature of the air blown out from the inner duct and the temperature of the air immediately after passing through the evaporator.
  • the present disclosure provides a refrigerator that can accurately estimate the amount of frost on the cooler, a refrigerator control method, and a program.
  • a refrigerator is a refrigerator that cools the interior with a cooler, and includes a first acquisition unit that acquires operating status data indicating the operating status of the refrigerator, and an amount of frost on the cooler.
  • Learning data including a second acquisition unit that acquires frost amount data that indicates the amount of frost, the operating status data that is acquired by the first acquisition unit, and the frost amount data that is acquired by the second acquisition unit a learning unit that learns the amount of frost formation with respect to the operating state of the refrigerator, and estimates the amount of frost formation based on the learning result of the learning unit and the operating state data acquired by the first acquisition unit. and an estimating unit.
  • a refrigerator control method is a refrigerator control method that cools the inside of the refrigerator with a cooler, and includes a step of acquiring operating status data indicating an operating status of the refrigerator, obtaining frost amount data indicating a frost amount that is an amount of the refrigerator, and obtaining the frost amount for the operating state of the refrigerator based on learning data including the obtained operating state data and the frost amount data a step of learning; and a step of estimating the amount of frost formation based on the learning result and the obtained driving condition data.
  • the program according to the present disclosure includes a processor of a refrigerator that cools the inside of the refrigerator with a cooler, a first acquisition unit that acquires operating status data indicating the operating status of the refrigerator, and an amount of frost on the cooler.
  • Learning including a second acquisition unit for acquiring frost amount data indicating a certain frost amount, the operating status data acquired by the first acquisition unit, and the frost amount data acquired by the second acquisition unit a learning unit that learns the amount of frost for an operating condition of the refrigerator based on the data; It functions as an estimating part for estimation.
  • This specification includes all the contents of Japanese Patent Application/Japanese Patent Application No. 2021-091536 filed on May 31, 2021.
  • the refrigerator, the refrigerator control method, and the program according to the present disclosure are based on the learning result of learning how much frost will be deposited on the cooler with respect to the operating state of the refrigerator. You can estimate the amount of frost. Therefore, the amount of frost on the cooler can be accurately estimated.
  • FIG. 1 is an external front view of a refrigerator according to Embodiment 1.
  • FIG. 2 is a diagram showing a configuration of a refrigerator according to Embodiment 1;
  • FIG. 3 is a diagram showing an example of learning data according to Embodiment 1;
  • FIG. 4 is a flowchart showing the operation of the refrigerator according to Embodiment 1.
  • FIG. 5 is a flowchart showing the operation of the refrigerator according to Embodiment 1; 6 is a timing chart showing temperature fluctuations in the refrigerator compartment in Embodiment 1.
  • FIG. 9 is a flowchart showing the operation of the estimation system in Embodiment 2; 10 is a diagram showing a configuration of an estimation system according to Embodiment 3; FIG. 11 is a diagram showing an example of learning data according to Embodiment 3; FIG. FIG. 12 is a flowchart showing the operation of the refrigerator according to Embodiment 3; FIG. 13 is a diagram showing the configuration of an estimation system in another embodiment; FIG. 14 is a flowchart showing the operation of the estimation system in another embodiment
  • the present disclosure provides a refrigerator, a refrigerator control method, and a program capable of accurately estimating the amount of frost on a cooler.
  • FIG. 1 is an external front view of a refrigerator 1.
  • the refrigerator 1 cools the interior by sending cold air generated by the cooler 184 to each storage chamber.
  • the refrigerator 1 of the present embodiment includes a main box body 10 with an open front surface. and a vegetable compartment 15 are formed.
  • a left door 11A and a rotary right door 11B are provided at the front opening of the refrigerator compartment 11 .
  • Each of the ice making compartment 12, the fresh freezing compartment 13, the freezing compartment 14, and the vegetable compartment 15 is provided with drawers 12A, 13A, 14A, and 15A for storing foods.
  • door 11C when the left door 11A and the right door 11B are not distinguished from each other, they are collectively referred to as "door 11C". Moreover, when the drawers 12A, 13A, 14A, and 15A are not distinguished, they are collectively referred to as "drawer 16A.”
  • FIG. 2 is a diagram showing the configuration of the refrigerator 1. As shown in FIG. As shown in FIG. 2 , the refrigerator 1 includes a refrigerator control section 16 , a sensor section 17 , a cooling section 18 and a defrosting section 19 .
  • the refrigerator control unit 16 includes a refrigerator processor 160 that executes programs such as a CPU (Central Processing Unit) and an MPU (Micro-processing unit), and a refrigerator storage unit 161 .
  • Refrigerator control unit 16 controls each unit of refrigerator 1 by reading and executing control program 1611 stored in refrigerator storage unit 161 by refrigerator processor 160 .
  • Refrigerator processor 160 executes control program 1611 to obtain first acquisition unit 1601, second acquisition unit 1602, learning data generation unit 1603, estimation unit 1604, defrosting operation execution unit 1605, learning unit 1606, and update unit. 1607.
  • Refrigerator processor 160 corresponds to the processor of the present disclosure.
  • the control program 1611 corresponds to the program of the present disclosure.
  • Refrigerator storage unit 161 includes a memory that stores programs executed by refrigerator processor 160 and data processed by refrigerator processor 160 .
  • the refrigerator storage unit 161 stores a control program 1611 executed by the refrigerator processor 160, a learning data management DB (database) 1612, estimation formula information 1613, and various other data.
  • Refrigerator storage unit 161 has a non-volatile storage area.
  • Refrigerator storage unit 161 may include a volatile storage area and constitute a work area of refrigerator processor 160 .
  • the learning data management DB 1612 and the estimation formula information 1613 are stored in the refrigerator storage unit 161 at predetermined timings such as installation of the control program 1611 and installation of update data for the control program 1611 . Note that the estimation formula information 1613 may be stored in the refrigerator storage unit 161 before the user starts using the refrigerator 1 .
  • the learning data management DB 1612 is a database that stores learning data GD.
  • the learning data management DB 1612 stores learning data GD generated within a predetermined period from the present to the past.
  • the learning data GD will be described later.
  • the estimation formula information 1613 is information indicating an estimation formula used by the estimation unit 1604, which will be described later.
  • the estimation formula is the following formula (1).
  • Equation (1) Y is the objective variable. Also, in Equation (1), explanatory variables are X1, X2, X3, X4, and X5. Also, in equation (1), the coefficients are ⁇ , ⁇ , ⁇ , ⁇ , and ⁇ .
  • the sensor unit 17 includes various sensors, and outputs the detection value of each sensor to the refrigerator control unit 16.
  • the sensor unit 17 includes a left door open/close sensor 1711 , a right door open/close sensor 1712 , an ice making compartment open/close sensor 1713 , a fresh freeze compartment open/close sensor 1714 , a freezer compartment open/close sensor 1715 , and a vegetable compartment open/close sensor 1716 .
  • the left door open/close sensor 1711, right door open/close sensor 1712, ice making compartment open/close sensor 1713, fresh freeze compartment open/close sensor 1714, freezer compartment open/close sensor 1715, and vegetable compartment open/close sensor 1716 are collectively referred to without distinction.
  • the detection method of the open/close sensor 171 an arbitrary method such as a distance measurement method or a contact method is adopted.
  • the left door open/close sensor 1711 detects the open/close state of the left door 11A.
  • the right door open/close sensor 1712 detects the open/close state of the right door 11B.
  • the ice making chamber opening/closing sensor 1713 detects the opening/closing state of the drawer 12A.
  • the fresh freezing chamber open/close sensor 1714 detects the open/close state of the drawer 13A.
  • the freezer compartment opening/closing sensor 1715 detects the opening/closing state of the drawer 14A.
  • the vegetable compartment opening/closing sensor 1716 detects the opening/closing state of the drawer 15A.
  • the drawer 16A is in the open state when it is pulled out from the corresponding storage chamber, and is in the closed state when it is not pulled out from the corresponding storage chamber.
  • the sensor unit 17 includes a refrigerator compartment temperature sensor 1721 , an ice making compartment temperature sensor 1722 , a fresh freeze compartment temperature sensor 1723 , a freezer compartment temperature sensor 1724 and a vegetable compartment temperature sensor 1725 .
  • the refrigerating compartment temperature sensor 1721, the ice making compartment temperature sensor 1722, the fresh freezing compartment temperature sensor 1723, the freezing compartment temperature sensor 1724, and the vegetable compartment temperature sensor 1725 are collectively referred to as "temperature sensor” without distinction. It is labeled with a good "172".
  • Refrigerating compartment temperature sensor 1721 detects the temperature of refrigerating compartment 11 .
  • Ice-making compartment temperature sensor 1722 detects the temperature of ice-making compartment 12 .
  • Fresh freezer compartment temperature sensor 1723 detects the temperature of fresh freezer compartment 13 .
  • a freezer compartment temperature sensor 1724 detects the temperature of the freezer compartment 14 .
  • Vegetable compartment temperature sensor 1725 detects the temperature of vegetable compartment 15 .
  • the sensor unit 17 has a cooler temperature sensor 173 .
  • Cooler temperature sensor 173 detects the temperature of cooler 184 .
  • the cooler temperature sensor 173 detects the temperature of a predetermined position such as the surface of the cooler 184 or the inside of the cooler 184 as the temperature of the cooler 184 .
  • the cooling unit 18 includes a compressor 181, a condenser 182, a capillary tube 183, a cooler 184, a cooling fan 185 that sends the cold air generated by the cooler 184 to each housing chamber, and divides the cold air sent by the cooling fan 185.
  • a mechanism for cooling each storage chamber of the refrigerator 1 such as a damper 186 is provided, and each storage chamber of the refrigerator 1 is cooled according to the control of the refrigerator control unit 16 .
  • the defrosting section 19 includes a heater 191 that heats the cooler 184 .
  • Heater 191 heats cooler 184 under the control of refrigerator control unit 16 . This defrosts the cooler 184 .
  • refrigerator processor 160 functions as first acquisition unit 1601, second acquisition unit 1602, learning data generation unit 1603, estimation unit 1604, defrosting operation execution unit 1605, learning unit 1606, and updating unit 1607. .
  • the first acquisition unit 1601 acquires a plurality of operating status data GD1 indicating the operating status of the refrigerator 1.
  • the operational status of refrigerator 1 includes the temperature status of refrigerator compartment 11 .
  • the first acquisition unit 1601 acquires operating status data GD1 indicating the temperature status of the refrigerator compartment 11 .
  • the first acquisition unit 1601 Based on the detection value output by the refrigerator compartment temperature sensor 1721, the first acquisition unit 1601 acquires the refrigeration data since the previous learning data GD was stored every time one minute has elapsed since the previous operation status data GD1 was acquired. Determine the average temperature of chamber 11 . Then, the first acquiring unit 1601 acquires the obtained data indicating the average temperature of the refrigerator compartment 11 as operating status data GD1 indicating the temperature status of the refrigerator compartment 11 .
  • the operating status of the refrigerator 1 includes the opening/closing status of the door 11C.
  • the first acquisition unit 1601 acquires driving condition data GD1 indicating the opening/closing condition of each of the left door 11A and the right door 11B.
  • the first acquisition unit 1601 Based on the detection value output by the left door open/close sensor 1711, the first acquisition unit 1601 acquires the left door opening/closing sensor 1711 every time one minute has elapsed since the previous acquisition of the driving situation data GD1. The number of times the door 11A is opened and closed is obtained. Then, the first acquisition unit 1601 acquires the obtained data indicating the number of times the left door 11A has been opened and closed as driving condition data GD1 indicating the opening/closing condition of the left door 11A. The first acquisition unit 1601 similarly acquires the driving condition data GD1 for the right door 11B based on the detection value of the corresponding right door opening/closing sensor 1712. FIG.
  • the operating status of refrigerator 1 includes the rotation status of compressor 181 .
  • the first acquisition unit 1601 acquires driving condition data GD1 indicating the rotation condition of the compressor 181 .
  • the first acquisition unit 1601 obtains the average number of revolutions of the compressor 181 since the previous learning data GD was stored every time one minute has passed since the previous acquisition of the driving status data GD1. Then, the first acquiring unit 1601 acquires the obtained data indicating the average rotation speed of the compressor 181 as driving condition data GD1 indicating the rotation condition of the compressor 181 .
  • the operating status of refrigerator 1 includes the temperature status of cooler 184 .
  • the first acquisition unit 1601 acquires operating condition data GD1 indicating the temperature condition of the cooler 184 .
  • the first acquisition unit 1601 calculates the cooling rate after the storage of the previous learning data GD each time one minute has passed since the previous operation status data GD1 was acquired. Determine the average temperature of vessel 184. Then, the first acquisition unit 1601 acquires the data indicating the obtained average temperature of the cooler 184 as the operating condition data GD1 indicating the temperature condition of the cooler 184 .
  • the second acquisition unit 1602 acquires frost amount data GD2 that indicates the frost amount, which is the amount of frost on the cooler 184 .
  • frost amount data GD2 that indicates the frost amount, which is the amount of frost on the cooler 184 .
  • the defrosting operation execution time is the time during which the defrosting operation for melting the frost on the cooler 184 is performed. Therefore, the second acquisition unit 1602 acquires data indicating the defrosting operation execution time from the defrosting operation executing unit 1605 as the frost amount data GD2. That is, the frost amount data GD2 acquired by the second acquisition unit 1602 indicates the defrosting operation execution time.
  • the learning data generation unit 1603 generates learning data GD based on the driving status data GD1 acquired by the first acquisition unit 1601 and the frost amount data GD2 acquired by the second acquisition unit 1602 .
  • the learning data generation unit 1603 stores the generated learning data GD in the learning data management DB 1612 .
  • FIG. 3 is a diagram showing an example of learning data GD.
  • a plurality of driving state data GD1 acquired by the first acquisition unit 1601 correspond to the frost amount data GD2 acquired by the second acquisition unit 1602 .
  • the estimating unit 1604 estimates the frost amount of the cooler 184 .
  • Estimation unit 1604 estimates the amount of frost on cooler 184 using an estimation formula.
  • the estimation unit 1604 estimates the time required for the defrosting operation as the amount of frost on the cooler 184 using an estimation formula.
  • the time required for the defrosting operation will simply be referred to as "the time required for the defrosting operation”.
  • Objective variable: Y of Formula (1) shows the defrosting operation required time.
  • the estimating unit 1604 estimates the defrosting operation required time as the frost amount of the cooler 184 by performing calculations by substituting the values indicated by the operating condition data GD1 for each of the explanatory variables in the equation (1).
  • the defrosting operation executing unit 1605 starts the defrosting operation of the cooler 184 based on the frost amount estimated by the estimating unit 1604 .
  • the defrosting operation executing unit 1605 energizes the heater 191 to heat the heater 191 in the defrosting operation. Thereby, the heat of the heater 191 is transferred to the cooler 184, and the frost on the cooler 184 melts.
  • Defrosting operation execution part 1605 ends defrosting operation, when defrosting operation is started and maximum defrosting time passes.
  • a maximum defrost time is, for example, 60 minutes. The maximum defrost time may be shorter than 60 minutes or longer than 60 minutes.
  • the defrosting operation executing unit 1605 starts the defrosting operation even if the maximum defrosting time has not elapsed since the defrosting operation was started. finish.
  • the predetermined temperature is 10° C., for example.
  • the predetermined temperature may be lower than 10°C or higher than 10°C.
  • Defrosting operation execution part 1605 will start counting of defrosting operation execution time, if defrosting operation is started. When the defrosting operation ends, the defrosting operation executing unit 1605 ends counting the defrosting operation execution time, and outputs data indicating the most recently counted defrosting operation execution time to the second acquisition unit 1602 .
  • the learning unit 1606 learns the frost amount of the cooler 184 for the operating conditions of the refrigerator 1 based on the learning data GD stored in the learning data management DB 1612 . That is, the learning unit 1606 determines the amount of frost in the cooler 184 with respect to the temperature status of the refrigerator compartment 11, the opening/closing status of the door 11C, the rotation status of the compressor 181, and the temperature status of the cooler 184. arrival is learned based on the learning data GD. As described above, there is a correlation between the frost amount and the required defrosting operation time. Therefore, the learning unit 1606 learns the required defrosting operation time for the operating condition of the refrigerator 1 as the amount of frost formed on the cooler 184 for the operating condition of the refrigerator 1 . In other words, the learning unit 1606 learns how much time is required for the defrosting operation for the operating conditions of the refrigerator 1 .
  • the learning unit 1606 performs multiple regression analysis, which is a type of linear regression, based on the learning data GD stored in the learning data management DB 1612, and learns each coefficient of the linear multiple regression equation.
  • a linear multiple regression equation is shown by the following equation (2).
  • y is the objective variable.
  • Each of bi (i is an integer equal to or greater than 1) is a partial regression coefficient.
  • the learning unit 1606 uses the value indicated by each operating condition data GD1 included in the learning data GD as an explanatory variable, and the defrosting operation execution time indicated by the frost amount data GD2 included in the learning data GD as an objective variable, and manages the learning data.
  • a multiple regression analysis is performed on the learning data GD stored in the DB 1612 .
  • the learning unit 1606 derives a multiple regression equation in which the values of the explanatory variables are used as arguments and the output values are the values of the objective variable.
  • the derived multiple regression equation corresponds to the learning result of the present disclosure.
  • the updating unit 1607 updates each coefficient of the estimation formula indicated by the estimation formula information 1613 to each coefficient of the multiple regression formula derived by the learning unit 1606 .
  • the estimation formula shown in formula (1) and the multiple regression formula derived by learning unit 1606 have the same number of coefficients. Also, the correspondence relationship between the coefficients of the estimation formula and the coefficients of the multiple regression formula derived by the learning unit 1606 is appropriately determined in advance.
  • the updating unit 1607 updates the coefficient b1 of the multiple regression equation derived by the learning unit 1606 as the coefficient ⁇ of the estimation equation. Further, the update unit 1607 updates the coefficient of the multiple regression equation: b2 derived by the learning unit 1606 as the coefficient of the estimation equation: ⁇ . Further, the updating unit 1607 updates the coefficient b3 of the multiple regression equation derived by the learning unit 1606 as the coefficient ⁇ of the estimation equation. Further, the update unit 1607 updates the coefficient b4 of the multiple regression equation derived by the learning unit 1606 as the coefficient ⁇ of the estimation equation. Further, the updating unit 1607 updates the coefficient b5 of the multiple regression equation derived by the learning unit 1606 as the coefficient ⁇ of the estimation equation.
  • FIG. 4 is a flowchart FA showing the operation of the refrigerator 1. As shown in FIG.
  • the first acquisition unit 1601 of the refrigerator 1 determines whether or not one minute has passed since the previous operation status data GD1 was acquired (step SA1).
  • step SA1 NO
  • the determination in step SA1 is performed again.
  • step SA2 when the first acquisition unit 1601 determines that one minute has passed since the previous acquisition of the driving situation data GD1 (step SA1: YES), it acquires the driving situation data GD1 (step SA2).
  • the estimation unit 1604 estimates the frost amount of the cooler 184 based on the operating condition data GD1 acquired in step SA2 and the estimation formula indicated by the estimation formula information 1613 (step SA3). In addition, as described above, the estimation unit 1604 estimates the defrosting operation required time as the frost amount of the cooler 184 .
  • Step SA3 will be described in detail.
  • the estimating unit 1604 substitutes the average temperature of the refrigerator compartment 11 indicated by the operating condition data GD1 for the coefficient: X1 of the equation (1).
  • Estimating unit 1604 also substitutes the number of openings and closings of left door 11A indicated by driving condition data GD1 into coefficient: X2 of equation (1).
  • Estimating unit 1604 also substitutes the number of openings and closings of right door 11B indicated by driving condition data GD1 into coefficient X3 of equation (1).
  • the estimating unit 1604 substitutes the average rotation speed of the compressor 181 indicated by the driving condition data GD1 for the coefficient: X4 of the equation (1).
  • the estimating unit 1604 substitutes the average temperature of the cooler 184 indicated by the driving condition data GD1 for the coefficient: X5 of the equation (1). Then, the estimating unit 1604 estimates the frost amount of the cooler 184 by obtaining the defrosting operation required time by the estimation formula in which these values are substituted.
  • the defrosting operation executing unit 1605 determines whether or not the defrosting operation required time estimated as the frost amount is 50 minutes or more (step SA4).
  • the 50 minutes to be compared in step SA4 corresponds to the predetermined amount of the present disclosure.
  • step SA4 NO
  • the refrigerator processor 160 makes the determination of step SA1 again.
  • step SA5 when the defrosting operation executing unit 1605 determines that the defrosting operation required time estimated as the frost amount is 50 minutes or more (step SA4: YES), it starts the defrosting operation (step SA5).
  • the defrosting operation executing unit 1605 determines whether or not the temperature of the cooler 184 exceeds a predetermined temperature based on the detection value of the cooler temperature sensor 173 (step SA6).
  • step SA8 When the defrosting operation executing unit 1605 determines that the temperature of the cooler 184 has exceeded the predetermined temperature (step SA6: YES), it ends the defrosting operation (step SA8).
  • step SA6 determines whether the maximum defrosting time has elapsed since the defrosting operation was started.
  • step SA8 When the defrosting operation executing unit 1605 determines that the maximum defrosting time has elapsed after starting the defrosting operation (step SA7: YES), it ends the defrosting operation (step SA8).
  • step SA7 NO
  • step SA6 the determination of step SA6 is performed again.
  • the second acquisition unit 1602 acquires the frost amount data GD2 indicating the defrosting operation execution time from the defrosting operation execution unit 1605 (step SA9).
  • the learning data generation unit 1603 generates learning data GD (step SA10).
  • the learning data generation unit 1603 stores the generated learning data GD in the learning data management DB 1612 (step SA11).
  • FIG. 5 is a flowchart FB showing the operation of the refrigerator 1. As shown in FIG.
  • the learning unit 1606 of the refrigerator 1 determines whether or not a start trigger for starting an operation related to updating the estimation formula has occurred (step SB1).
  • Triggers for this start include the storage of new learning data GD in the learning data management DB 1612, the arrival of the current date and time at a predetermined update date and time (for example, 17:00 on the 10th of every month), and the Examples include the start of use of the refrigerator 1, the passage of a predetermined period after the start of use of the refrigerator 1 after manufacture and shipment, and the passage of a predetermined period of time since the previous update of the estimation formula.
  • step SB1 NO
  • step SB2 when the learning unit 1606 determines that the start trigger has occurred (step SB1: YES), the difference between the most recent required defrosting operation time estimated as the frost amount and the most recent defrosting operation execution time is It is determined whether or not it exceeds 5 minutes (step SB2).
  • 5 minutes corresponds to the predetermined value of the present disclosure.
  • the defrosting operation execution time corresponds to the actual frost amount.
  • the refrigerator storage unit 161 stores information indicating the most recent amount of frost formation on the cooler 184 estimated by the estimating unit 1604, that is, information indicating the most recent required defrosting operation time estimated by the estimating unit 1604. Then, at step SB2, learning unit 1606 acquires the most recent required defrosting operation time estimated by estimating unit 1604 from refrigerator storage unit 161.
  • the learning unit 1606 identifies the learning data GD stored most recently among the learning data GD stored in the learning data management DB 1612, and the frost amount data GD2 included in the identified learning data GD is Acquire the defrosting operation execution time indicated. Then, the learning unit 1606 obtains the difference between the two acquired times, and performs the determination in step SB2 on the obtained difference.
  • step SB2 NO
  • the learning unit 1606 determines that the difference is 5 minutes or less (step SB2: NO)
  • it returns the process to step SB1 and performs the determination of step SB1 again.
  • step SB2 YES
  • the learning unit 1606 learns based on the learning data GD stored in the learning data management DB 1612 (step SB3). Thereby, the learning unit 1606 derives a multiple regression equation.
  • the updating unit 1607 updates each coefficient of the estimation formula indicated by the estimation formula information 1613 based on the learning result of the learning unit 1606 in step SB3 (step SB4).
  • FIG. 6 is a timing chart showing temperature fluctuations in the refrigerator compartment 11.
  • FIG. A timing chart TC1 in FIG. 6 shows temperature fluctuations in the refrigerator compartment 11 when the defrosting operation is started at conventional timing.
  • a timing chart TC2 in FIG. 6 shows temperature fluctuations in the refrigerator compartment 11 when the defrosting operation is started at the timing of the present disclosure.
  • the vertical axis indicates the temperature of the refrigerator compartment 11, and the horizontal axis indicates time.
  • the defrosting operation is started, for example, based on the opening and closing times of the door 11C and the drawer 16A.
  • the timing chart TC1 when the defrosting operation is started at timing T1, the temperature of the refrigerator compartment 11 rises after timing T1.
  • the timing chart TC1 when the defrosting operation ends at timing T2, the temperature of the refrigerator compartment 11 drops, but when the defrosting operation starts again at timing T4, it rises again. After that, the temperature of the refrigerator compartment 11 repeats rising and falling.
  • the defrosting operation is performed based on the frost amount estimated by the estimation unit 1604.
  • the refrigerator 1 of the present disclosure starts the defrosting operation at timing T1 and ends the defrosting operation at timing T3. Since the refrigerator 1 of the present disclosure can start the defrosting operation in a state where the amount of frost formed is larger than that of the conventional one, the execution time of the defrosting operation can be longer than that of the conventional one.
  • the refrigerator 1 of the present disclosure performs the defrosting operation based on the amount of frost formation, and therefore does not start the defrosting operation even at timing T4.
  • the refrigerator 1 of the present disclosure performs the defrosting operation based on the amount of frost estimated by the estimating unit 1604, so the defrosting operation is performed while the cooler 184 is covered with a large amount of frost. can start. Therefore, the refrigerator 1 of the present disclosure can reduce the number of times the defrosting operation is performed per predetermined unit time, and thus can suppress the power consumption of the heater 191 in predetermined units such as yearly units. In addition, since the refrigerator 1 of the present disclosure can reduce the number of times the defrosting operation is performed per predetermined unit time, it is possible to suppress temperature fluctuations in each storage chamber and suppress deterioration of food stored therein.
  • the refrigerator 1 cools the interior with the cooler 184 .
  • the refrigerator 1 includes a first acquisition unit 1601 that acquires operating status data GD1 indicating the operating status of the refrigerator 1, and a first acquisition unit 1601 that acquires frost amount data GD2 that indicates the amount of frost formed on the cooler 184.
  • the amount of frost on the cooler 184 can be estimated based on the learned result of how much frost will be on the cooler 184 for the operating conditions of the refrigerator 1 . Therefore, the amount of frost on the cooler 184 can be accurately estimated.
  • the refrigerator 1 has a defrosting operation executing unit 1605 that starts a defrosting operation to melt frost on the cooler 184 based on the amount of frost formed on the cooler 184 estimated by the estimating unit 1604. may be provided.
  • the defrosting operation can be started based on the amount of frost formed on the cooler 184 that is estimated with high accuracy, so that the defrosting operation can be started at an appropriate timing.
  • the defrosting operation executing unit 1605 starts the defrosting operation when the defrosting operation required time as the amount of frost estimated by the estimating unit 1604 is 50 minutes or more.
  • the defrosting operation executing unit 1605 does not start the defrosting operation when the amount of frost estimated by the estimating unit 1604 is less than 50 minutes for the defrosting operation required time.
  • the estimating unit 1604 determines whether or not the cooler 184 has arrived, based on the estimating formula reflecting the learning result of the learning unit 1606 and the operating state data GD1 acquired by the first acquiring unit 1601. The amount of frost may be estimated.
  • the amount of frost on the cooler 184 can be easily estimated by using an estimation formula that reflects the learning result of the learning unit 1606 . Therefore, it is possible to accurately estimate the frost amount of the cooler 184 while suppressing the processing load related to the estimation.
  • refrigerator 1 may include update unit 1607 that updates the estimation formula based on the learning result of learning unit 1606.
  • the estimation formula used by the estimation unit 1604 can be maintained as an estimation formula that reflects the learning results. Therefore, the amount of frost on the cooler 184 can be estimated while maintaining the estimation accuracy.
  • updating unit 1607 updates the estimation formula when the difference between the defrosting operation required time estimated as the amount of frost formed by estimating unit 1604 and the defrosting operation execution time exceeds 5 minutes. .
  • the updating unit 1607 does not update the estimation formula when the difference between the defrosting operation required time estimated by the estimating unit 1604 and the defrosting operation execution time is 5 minutes or less.
  • the method for controlling the refrigerator 1 includes the steps of obtaining operating condition data GD1 indicating the operating condition of the refrigerator 1 and obtaining frost amount data GD2 indicating the amount of frost formed on the cooler 184. a step of learning the frost amount for the operating state of the refrigerator 1 based on learning data GD including the acquired operating state data GD1 and frost amount data GD2; and based on the learning result and the acquired operating state data GD1. , and estimating the frost amount.
  • the control program 1611 controls the refrigerator processor 160 to obtain the operating state data GD1 indicating the operating state of the refrigerator 1 and the amount of frost on the cooler 184.
  • a learning unit 1606 that learns the frost amount of the cooler 184 with respect to the operating state of the refrigerator 1 based on the learning data GD, and based on the learning result of the learning unit 1606 and the operating state data GD1 acquired by the first acquiring unit 1601. , functions as an estimation unit 1604 for estimating the frost amount of the cooler 184 .
  • Embodiment 2 Next, Embodiment 2 will be described.
  • the same components as those of the refrigerator 1 of the first embodiment are denoted by the same reference numerals, and detailed description thereof will be omitted as appropriate.
  • FIG. 7 is a diagram showing the configuration of estimation system 1000 according to Embodiment 2. As shown in FIG. The estimation system 1000 is a system that performs processing related to estimation of the amount of frost on the cooler 184 .
  • the estimation system 1000 includes a refrigerator 1 and a server device 2 capable of communicating with the refrigerator 1 via a communication network NW.
  • the communication network NW is a network composed of a public line network, a leased line, other communication lines, and various types of communication equipment, and is not limited to specific aspects.
  • the communication network NW may be a wide area network or a local network laid inside a building.
  • the communication network NW may be configured to include at least one of a wireless communication circuit and a wired communication circuit.
  • the refrigerator storage unit 161 of Embodiment 2 stores a refrigerator ID (Identification) 1614 that is identification information of the refrigerator 1 .
  • the refrigerator ID 1614 include the serial number of the refrigerator 1 and the manufacturing number of the refrigerator 1 .
  • the refrigerator 1 of Embodiment 2 further includes a refrigerator communication section 22 .
  • the refrigerator communication unit 22 is a communication interface equipped with a configuration related to communication such as a radio circuit and an antenna according to a predetermined communication standard, and communicates with the server device 2 according to the predetermined communication standard.
  • the communication standard used by the refrigerator communication unit 22 may be a wireless communication standard (for example, IEEE802.11a/11b/11g/11n/11ac, Bluetooth (registered trademark)) or a wired communication standard.
  • refrigerator processor 160 of Embodiment 2 includes first acquisition unit 1601, second acquisition unit 1602, learning data generation unit 1603, estimation unit 1604, defrost It functions as an operation execution unit 1605 and a refrigerator communication control unit 1608 .
  • the refrigerator communication control unit 1608 communicates with the server device 2 via the refrigerator communication unit 22.
  • the server device 2 includes a server control unit 20 and a server communication unit 21.
  • the server control unit 20 includes a server processor 200, which is a processor such as a CPU or MPU that executes programs, and a server storage unit 210.
  • the server control unit 20 controls each unit of the server device 2 by causing the server processor 200 to read and execute the control program 211 stored in the server storage unit 210 .
  • the server processor 200 functions as a server communication control unit 201 , a database processing unit 202 , a learning unit 1606 and an update unit 1607 by executing the control program 211 stored in the server storage unit 210 .
  • the server storage unit 210 has a memory that stores programs executed by the server processor 200 and data processed by the server processor 200 .
  • the server storage unit 210 stores a control program 211 executed by the server processor 200, a refrigerator management DB 212, and various other data.
  • the server storage unit 210 has a nonvolatile storage area that stores programs and data in a nonvolatile manner.
  • the server storage unit 210 may include a volatile storage area and configure a work area for temporarily storing programs to be executed by the server processor 200 and data to be processed.
  • the refrigerator management DB 212 is a database that stores the learning data management DB 1612 for each refrigerator 1 .
  • One learning data management DB 1612 stored in the refrigerator management DB 212 is associated with refrigerator ID 1614 , communication information 213 , and estimation formula information 1613 .
  • the communication information 213 is information for communicating with the refrigerator 1, and address information is an example.
  • the server communication unit 21 is a communication interface that includes a communication-related configuration such as a radio circuit and an antenna conforming to a predetermined communication standard, and communicates with the refrigerator 1 according to the predetermined communication standard.
  • the server processor 200 functions as the server communication control unit 201, the database processing unit 202, the learning unit 1606, and the update unit 1607.
  • the server communication control unit 201 communicates with the refrigerator 1 via the server communication unit 21.
  • the database processing unit 202 performs processing such as data storage, data identification, and data reading for the refrigerator management DB 212 .
  • Learning unit 1606 of the second embodiment compares the frost amount of cooler 184 with respect to the operating state of refrigerator 1 to the amount of frost formed on cooler 184 based on learning data GD stored in learning data management DB 1612 of refrigerator management DB 212. learn as well.
  • the updating unit 1607 of the second embodiment updates each coefficient of the estimation formula indicated by the estimation formula information 1613 of the refrigerator management DB 212 based on the learning result of the learning unit 1606, as in the first embodiment.
  • FIG. 8 is a flow chart showing the operation of estimation system 1000 .
  • a flow chart FC shows the operation of the refrigerator 1
  • a flow chart FD shows the operation of the server device 2.
  • refrigerator communication control unit 1608 adds refrigerator ID 1614 stored in refrigerator storage unit 161 to generate learning data GD. to the server device 2 (step SC1).
  • the server communication control unit 201 of the server device 2 receives the learning data GD to which the refrigerator ID 1614 is added (step SD1).
  • the database processing unit 202 identifies the learning data management DB 1612 associated with the refrigerator ID 1614 added to the received learning data GD from the refrigerator management DB 212 (step SD2).
  • the database processing unit 202 stores the received learning data GD in the learning data management DB 1612 specified in step SD2 (step SD3).
  • FIG. 9 is a flow chart showing the operation of estimation system 1000 .
  • a flow chart FE shows the operation of the refrigerator 1
  • a flow chart FF shows the operation of the server device 2 .
  • the operation of the flowchart FF in FIG. 9 is an operation for one refrigerator 1 .
  • the learning unit 1606 of the server device 2 determines whether or not a start trigger for starting an operation related to updating the estimation formula has occurred (step SF1). Examples of triggers for this start are that new learning data GD is stored in the learning data management DB 1612, or that the current date and time reaches a predetermined update date and time (for example, 17:00 on the 10th of every month). mentioned.
  • step SF1 NO
  • step SF2 the difference between the most recent required defrosting operation time estimated as the frost amount and the most recent defrosting operation execution time is It is determined whether or not it exceeds 5 minutes (step SF2).
  • 5 minutes corresponds to the predetermined value of the present disclosure.
  • the defrosting operation execution time corresponds to the actual frost amount.
  • Server storage unit 210 stores information indicating the most recent amount of frost on cooler 184 estimated by estimating unit 1604 of refrigerator 1, that is, information indicating the most recent required defrosting operation time estimated by estimating unit 1604. there is Then, in step SF2, the learning unit 1606 acquires the most recent required defrosting operation time estimated by the estimation unit 1604 from the server storage unit 210.
  • the learning unit 1606 identifies the learning data GD stored most recently among the learning data GD stored in the learning data management DB 1612, and the frost amount data GD2 included in the identified learning data GD is Acquire the defrosting operation execution time indicated. Then, the learning unit 1606 obtains the difference between the two acquired times, and performs the determination in step SF2 on the obtained difference.
  • step SF2 NO
  • the learning unit 1606 determines that the difference is 5 minutes or less (step SF2: NO)
  • it returns the process to step SF1 and makes the determination in step SF1 again.
  • step SF2 YES
  • the learning unit 1606 learns based on the learning data GD stored in the learning data management DB 1612 corresponding to the refrigerator ID 1615 of the refrigerator 1 to be processed. (step SF3). Thereby, the learning unit 1606 derives a multiple regression equation.
  • the updating unit 1607 updates each coefficient of the estimation formula indicated by the estimation formula information 1613 associated with the refrigerator ID 1614 of the refrigerator 1 to be processed, based on the learning result of the learning unit 1606 in step SF3 (step SF4).
  • the server communication control unit 201 identifies the communication information 213 corresponding to the refrigerator ID 1614 of the refrigerator 1 to be processed from the refrigerator management DB 212 (step SF5).
  • the server communication control unit 201 transmits estimation formula information 1613 indicating the updated coefficient estimation formula to the refrigerator 1 (step SF6).
  • refrigerator communication control unit 1608 of refrigerator 1 receives estimation formula information 1613 from server device 2 (step SE1).
  • the refrigerator communication control unit 1608 updates the estimation formula information 1613 stored in the refrigerator storage unit 161 to the received estimation formula information 1613 (step SE2).
  • Embodiment 3 Next, Embodiment 3 will be described.
  • the same reference numerals are assigned to the same components as those of the second embodiment, and detailed description thereof will be omitted as appropriate.
  • FIG. 10 is a diagram showing the configuration of estimation system 1000 according to Embodiment 3.
  • the sensor section 17 of Embodiment 3 includes an outside air temperature sensor 174 .
  • An outside temperature sensor 174 detects the outside temperature of the refrigerator 1 .
  • the outside air temperature sensor 174 is provided at a predetermined position such as the front of the refrigerator 1 and detects the temperature of the place where the refrigerator 1 is installed as the outside air temperature of the refrigerator 1 .
  • the refrigerator processor 160 of Embodiment 3 functions as a first acquisition unit 1601, a second acquisition unit 1602, an estimation unit 1604, a defrosting operation execution unit 1605, and a refrigerator communication control unit 1608.
  • the first acquisition unit 1601 of the present embodiment acquires a plurality of types of operating status data GD1 at intervals of 5 minutes while the refrigerator 1 is not performing the defrosting operation, and to the refrigerator communication control unit 1608. It should be noted that the cycle for acquiring the driving situation data GD1 is not limited to the interval of 5 minutes, and may be shorter or longer than 5 minutes.
  • the operating status of refrigerator 1 includes the temperature status of refrigerator compartment 11 .
  • First acquisition unit 1601 of the present embodiment obtains the average temperature of refrigerator compartment 11 since the previous operation status data GD1 was acquired based on the detection value output from refrigerator compartment temperature sensor 1721 . Then, the first acquiring unit 1601 acquires the obtained data indicating the average temperature of the refrigerator compartment 11 as operating status data GD1 indicating the temperature status of the refrigerator compartment 11 .
  • the operating status of refrigerator 1 includes the temperature status of vegetable compartment 15 .
  • the first acquisition unit 1601 of the present embodiment obtains the average temperature of the vegetable compartment 15 since the previous operation status data GD1 was acquired. Then, the first acquisition unit 1601 acquires the obtained data indicating the average temperature of the vegetable compartment 15 as the operating status data GD1 indicating the temperature status of the vegetable compartment 15 .
  • the operating status of the refrigerator 1 includes the outside air temperature status of the refrigerator 1 as the status of the location where the refrigerator 1 is operating.
  • First acquisition unit 1601 of the present embodiment obtains the average outside temperature of refrigerator 1 since the operation status data GD1 was previously acquired, based on the detection value output by outside temperature sensor 174 . Then, the first acquiring unit 1601 acquires the data indicating the obtained average temperature of the outside air temperature of the refrigerator 1 as the operating status data GD1 indicating the status of the outside air temperature of the refrigerator 1 .
  • the operating status of the refrigerator 1 includes the opening/closing status of the door 11C and the drawer 14A.
  • the first acquisition unit 1601 of the present embodiment acquires the driving status data GD1 last time based on the detection values output by the left door opening/closing sensor 1711, the right door opening/closing sensor 1712, and the freezer compartment opening/closing sensor 1715.
  • the time during which the door 11C and the drawer 14A were open (hereinafter referred to as "door open time") is obtained.
  • the first obtaining unit 1601 obtains data indicating the calculated door open time (integrated door open time) as operating condition data GD1 indicating the opening/closing conditions of the door 11C and the drawer 14A.
  • the operating status of refrigerator 1 includes the rotation status of compressor 181 .
  • the first obtaining unit 1601 obtains the number of revolutions of the compressor 181 since the previous driving condition data GD1 was obtained. Then, the first acquiring unit 1601 acquires the obtained data indicating the rotation speed of the compressor 181 (integrated rotation speed of the compressor) as the operating state data GD1 indicating the rotation state of the compressor 181 .
  • the second acquisition unit 1602 of the present embodiment acquires frost amount data GD2 indicating the amount of frost. That is, the second acquisition unit 1602 acquires data indicating the defrosting operation execution time from the defrosting operation execution unit 1605 as the frost amount data GD2. In addition, the defrosting operation execution unit 1605 starts counting the defrosting operation execution time when the defrosting operation is started, and ends counting the defrosting operation execution time when the defrosting operation is finished. Data indicating the operation execution time is output to the second acquisition unit 1602 . After obtaining the frost amount data GD2, the second obtaining unit 1602 outputs the obtained frost amount data GD2 to the refrigerator communication control unit 1608.
  • the estimating unit 1604 of the present embodiment estimates the frost amount of the cooler 184 using the estimation formula (3). As described above, there is a correlation between the frost amount and the required defrosting operation time. Therefore, the estimating unit 1604 estimates the defrosting operation required time as the frost amount of the cooler 184 using the estimation formula of formula (3).
  • the estimation formula indicated by the estimation formula information 1613 is the following formula (3).
  • Equation (3) P is the objective variable. Also, in Equation (3), each of Q1, Q2, Q3, Q4, and Q5 is an explanatory variable. Also, in Equation (3), A, B, C, D, and E are coefficients. Also, in Equation (3), F is the intercept of the polynomial and is a variable in the present embodiment.
  • P indicates the defrosting operation required time.
  • the estimating unit 1604 estimates the required defrosting operation time as the frost amount of the cooler 184 by performing calculations by substituting the values indicated by the operating state data GD1 for each of the explanatory variables in Equation (3).
  • the refrigerator communication control unit 1608 of the present embodiment When the data group DG is received from the first acquisition unit 1601, the refrigerator communication control unit 1608 of the present embodiment adds the refrigerator ID 1615 to the received data group DG, and transmits the received data group DG to the server device 2. . Further, when receiving the frost amount data GD2 from the second acquisition unit 1602, the refrigerator communication control unit 1608 of the present embodiment adds the refrigerator ID 1615 to the received frost amount data GD2, and obtains the received frost amount data. GD2 is sent to the server device 2 .
  • Refrigerator communication control unit 1608 of the present embodiment updates estimation formula information 1613 stored in refrigerator storage unit 161, as in the second embodiment.
  • Refrigerator communication control unit 1608 of the present embodiment transmits request information requesting update estimation formula information 1613 to server device 2 when a predetermined trigger occurs.
  • refrigerator communication control unit 1608 receives updating estimation formula information 1613 as a response to the request information
  • refrigerator communication control unit 1608 updates estimation formula information 1613 stored in refrigerator storage unit 161 to received updating estimation formula information 1613 .
  • a predetermined trigger the end of the defrosting operation can be cited as an example.
  • Refrigerator communication control unit 1608 determines whether timeout has occurred a predetermined number of times in succession. The predetermined number of times is, for example, five times.
  • timeout refers to failure to receive a response to the request information within a predetermined time.
  • the server processor 200 of Embodiment 3 includes a server communication control unit 201, a database processing unit 202, a learning data generation unit 1603, a learning unit 1606, and an updating unit 1607. Function.
  • the server communication control unit 201 of this embodiment receives the data group DG from the refrigerator 1 .
  • Server communication control unit 201 also receives frost amount data GD2 from refrigerator 1 .
  • the server communication control unit 201 receives request information from the refrigerator 1 and transmits estimation formula information 1613 to the refrigerator 1 as a response to the received request information.
  • the refrigerator ID 1615 is added to the request information
  • the server communication control unit 201 acquires the estimation formula information 1613 linked to the refrigerator ID 1615 added to the request information from the refrigerator management DB 212 and transmits it to the refrigerator 1 . .
  • the server communication control unit 201 of the present embodiment receives the frost amount data GD2, the data group DG without data loss since the previous reception of the frost amount data GD2 is divided into 80% of the entire data group. As described above, it is determined whether or not the information has been received from the refrigerator 1 . The presence or absence of data loss is determined using a predetermined error detection means such as CRC. When determining that 80% or more of the data group DG with no data loss has been received, the server communication control unit 201 determines that the learning data GD including the data group DG is the learning data GD that can be used for learning the estimation formula. do.
  • the server communication control unit 201 determines that the learning data GD including the data group DG is the learning data GD that cannot be used for learning the estimation formula. I judge. Next, the server communication control unit 201 determines whether or not there are 20 or more pieces of learning data GD that can be used for learning the estimation formula. If it is determined that there are not 20 or more pieces of learning data GD that can be used for learning the estimation formula, the server communication control unit 201 determines that the learning of the estimation formula has failed. Next, the server communication control unit 201 determines whether or not the determination that the learning has failed occurs continuously. to the refrigerator 1. On the other hand, when the server communication control unit 201 determines that the determination that the learning has failed has not occurred continuously, the server communication control unit 201 transmits the most recently transmitted estimation formula information 1613 to the refrigerator 1 .
  • the learning data generation unit 1603 in the present embodiment generates the learning data GD based on the data group DG received from the refrigerator 1 and the frost amount data GD2.
  • the learning data generation unit 1603 receives the frost amount data GD2 from the previous reception of the frost amount data GD2 to the current reception of the frost amount data GD2.
  • learning data GD including the data group DG obtained by The learning data generating unit 1603 stores the generated learning data GD in the learning data management DB 1612 based on the refrigerator ID 1615 added to the frost amount data GD2.
  • FIG. 11 shows an example of learning data GD according to the third embodiment.
  • the frost amount data GD2 acquired by the second acquisition unit 1602 is associated with the data group DG including the plurality of types of driving situation data GD1 acquired by the first acquisition unit 1601. .
  • the learning unit 1606 of the present embodiment learns the frost amount of the cooler 184 for the operating conditions of the refrigerator 1 based on the learning data GD stored in the learning data management DB 1612 . That is, the learning unit 1606 of the present embodiment, with respect to the temperature status of the refrigerator compartment 11, the temperature status of the vegetable compartment 15, the outside air temperature status, the opening/closing status of the door 11C, and the rotation status of the compressor 181, The amount of frost on the cooler 184 is learned based on the learning data GD.
  • the learning unit 1606 of the present embodiment performs linear regression including a regularization term based on the learning data GD stored in the learning data management DB 1612, and learns each coefficient and variable of the linear regression formula.
  • the learning unit 1606 learns by Ridge regression, Lasso regression, or the like, for example.
  • a linear regression formula used by learning unit 1606 in the present embodiment is expressed by the following formula (4).
  • Equation (4) p is the objective variable. Also, in Equation (4), each of q1, q2, q3, q4, and q5 is an explanatory variable. Also, in Equation (4), a, b, c, d, and e are coefficients. Also, in Equation (4), f is the intercept of the polynomial and is a variable in this embodiment.
  • the learning unit 1606 uses the value indicated by each operating condition data GD1 included in the learning data GD as an explanatory variable, and the defrosting operation execution time indicated by the frost amount data GD2 included in the learning data GD as an objective variable, and manages the learning data.
  • a linear regression analysis is performed on the learning data GD stored in the DB 1612 .
  • the learning unit 1606 derives a linear regression equation using the explanatory variable value as an argument and the output value as the objective variable value.
  • the derived linear regression equation corresponds to the learning result of the present disclosure.
  • the learning unit 1606 may standardize the values indicated by the driving situation data GD1 and perform linear regression analysis using the standardized values as explanatory variables.
  • the learning unit 1606 of this embodiment determines whether the learning result is abnormal or normal each time learning is performed.
  • the learning unit 1606 determines whether the values of the coefficients and intercepts: f of the linear regression formula derived in the learning are appropriate. For at least one of the coefficient and intercept f of the linear regression formula derived in learning, for example, whether the value should be positive or negative is set in advance.
  • the learning unit 1606 determines that the learning result is abnormal when at least one of the coefficient and the intercept: f of the linear regression equation derived in learning does not match the preset positive or negative, and is derived in learning If all of the coefficients and intercepts of the linear regression equation: f agree with preset positive/negative values, it is determined that the learning result is normal.
  • the server communication control unit 201 of this embodiment determines that the learning of the estimation formula has failed. Next, the server communication control unit 201 determines whether or not the learning failure determination based on the learning result occurs continuously. An invalid value for invalidating the frost operation is transmitted to the refrigerator 1. - ⁇ On the other hand, when the server communication control unit 201 determines that learning failure based on the learning results has not occurred continuously, the server communication control unit 201 transmits the most recently transmitted estimation formula information 1613 to the refrigerator 1 .
  • the updating unit 1607 of Embodiment 3 updates each coefficient and intercept: F of the estimation formula indicated by the estimation formula information 1613 to each coefficient and intercept: f of the linear regression formula derived by the learning unit 1606 .
  • the estimation formula shown in formula (3) and the linear regression formula derived by learning section 1606 have the same number of terms. Also, the correspondence relationship between the coefficient and intercept: F of the estimation formula and the coefficient and intercept: f of the linear regression formula derived by the learning unit 1606 is determined appropriately in advance.
  • the updating unit 1607 updates the coefficient of the linear regression equation derived by the learning unit 1606: a as the coefficient of the estimation equation: A. Further, the updating unit 1607 updates the coefficient of the linear regression equation derived by the learning unit 1606: b as the coefficient of the estimation equation: B. FIG. Further, the update unit 1607 updates the coefficient of the linear regression equation derived by the learning unit 1606: c as the coefficient of the estimation equation: C. Further, the update unit 1607 updates the coefficient of the linear regression formula: d derived by the learning unit 1606 as the coefficient of the estimation formula: D. Also, the updating unit 1607 updates the coefficient of the linear regression equation derived by the learning unit 1606: E as the coefficient of the estimation equation: E. Also, the updating unit 1607 updates the intercept: f of the linear regression equation derived by the learning unit 1606 as the intercept: F of the estimation equation.
  • FIG. 12 is a flowchart FAA showing the operation of the refrigerator 1 according to the third embodiment.
  • the refrigerator communication control unit 1608 determines whether or not the estimation formula information 1613 has been received from the server device 2 (step SAA1).
  • step SAA2 the defrosting operation execution unit 1605 determines to execute normal defrosting operation.
  • a normal defrosting operation is an operation in which defrosting is performed at a preset cycle.
  • step SAA1 when refrigerator communication control unit 1608 determines that estimation formula information 1613 has been received from server device 2 (step SAA1: YES), whether an invalid value has been received from server device 2? It is determined whether or not (step SAA3).
  • step SAA3 NO
  • step SAA2 the defrosting operation execution unit 1605 determines to execute normal defrosting operation
  • step SAA4 if it is determined that an invalid value has not been received (step SAA3: YES), the refrigerator communication control unit 1608 determines whether timeout has occurred five times in succession when updating the estimation formula. (step SAA4).
  • step SAA4 determines that timeout has occurred five times in succession when updating the estimation formula (step SAA4: YES)
  • the defrosting operation executing unit 1605 executes normal defrosting operation. (Step SAA2).
  • step SAA5 determines whether or not the difference between the most recent defrosting operation execution time and the most recently estimated required defrosting operation time is 10 minutes or less (step SAA5).
  • 10 minutes is exemplified as the time for comparison with the difference, but it is only an example and may be shorter or longer than 10 minutes.
  • step SAA5 determines that the difference exceeds 10 minutes (step SAA5: NO), it determines to execute normal defrosting operation (step SAA2).
  • step SAA5 determines that the difference is within 10 minutes (step SAA5: YES), it determines to execute the defrosting operation using the estimation formula (step SAA6).
  • the first acquisition unit 1601 acquires the driving situation data GD1 (step SAA7).
  • the estimation unit 1604 estimates the frost amount of the cooler 184 based on the operating condition data GD1 acquired in step SAA7 and the estimation formula indicated by the estimation formula information 1613 (step SAA8). In addition, as described above, the estimation unit 1604 estimates the defrosting operation required time as the frost amount of the cooler 184 .
  • Step SAA7 will be described in detail.
  • the estimating unit 1604 substitutes the average temperature of the refrigerator compartment 11 indicated by the operating condition data GD1 for the explanatory variable: Q1 of the equation (3).
  • the estimating unit 1604 also substitutes the average temperature of the vegetable compartment 15 indicated by the operating condition data GD1 for the explanatory variable: Q2 in Equation (3).
  • the estimating unit 1604 substitutes the average temperature of the outside air temperature indicated by the driving condition data GD1 for the explanatory variable: Q3 of the equation (3).
  • the estimating unit 1604 substitutes the integrated door open time indicated by the driving situation data GD1 for the explanatory variable: Q4 in Equation (3).
  • the estimating unit 1604 substitutes the integrated rotational speed of the compressor 181 indicated by the operating condition data GD1 for the explanatory variable: Q5 of the equation (3).
  • the defrosting operation execution unit 1605 determines whether or not the cancellation condition is satisfied (step SAA9).
  • the cancellation condition is a condition for canceling the defrosting operation using the estimation formula and performing the normal defrosting operation. Examples of cancellation conditions include reception of an invalid value and five successive timeouts during transmission of the request information.
  • step SAA9 NO
  • step SAA2 determines to execute a normal defrosting operation
  • step SAA9 determines whether or not the defrosting operation required time estimated in step SAA8 is 50 minutes or more.
  • 50 minutes is exemplified as the time for comparison with the required defrosting operation time, but this is only an example, and it may be shorter or longer than 50 minutes.
  • step SAA10 NO
  • the refrigerator processor 160 performs the processing from step SAA7 onwards again.
  • step SAA10 when the defrosting operation execution unit 1605 determines that the estimated required defrosting operation time is 50 minutes or more (step SAA10: YES), it starts the defrosting operation (step SAA11).
  • the defrosting operation executing unit 1605 determines whether or not the temperature of the cooler 184 exceeds a predetermined temperature based on the detection value of the cooler temperature sensor 173 (step SAA12).
  • step SAA12 determines that the temperature of the cooler 184 has exceeded the predetermined temperature (step SAA12: YES).
  • step SAA12 determines whether the maximum defrosting time has elapsed since the defrosting operation was started.
  • step SAA13 When the defrosting operation executing unit 1605 determines that the maximum defrosting time has elapsed since the defrosting operation started (step SAA13: YES), it ends the defrosting operation (step SAA14).
  • step SAA13 NO
  • step SAA12 the determination of step SAA12 is performed again.
  • step SAA15 when the defrosting operation execution unit 1605 determines to execute the normal defrosting operation, it determines whether or not a predetermined period has elapsed since the previous defrosting operation was performed (step SAA15).
  • the predetermined cycle is, for example, a 13-hour cycle.
  • it may be whether or not a predetermined period has come after starting the defrosting operation last time, or whether or not a predetermined period has come after finishing the defrosting operation last time.
  • step SAA15 NO
  • the determination of step SAA15 is performed again.
  • step SAA15 when the defrosting operation execution unit 1605 determines that the predetermined cycle has arrived (step SAA15: YES), it starts the defrosting operation (step SAA16).
  • step SAA12 the defrosting operation executing unit 1605 shifts the process to step SAA12, and determines whether or not the temperature of the cooler 184 exceeds a predetermined temperature based on the detection value of the cooler temperature sensor 173 (step SAA12).
  • step SAA12 determines that the temperature of the cooler 184 has exceeded the predetermined temperature (step SAA12: YES).
  • step SAA12 determines whether the maximum defrosting time has elapsed since the defrosting operation was started.
  • step SAA13 When the defrosting operation executing unit 1605 determines that the maximum defrosting time has elapsed since the defrosting operation started (step SAA13: YES), it ends the defrosting operation (step SAA14).
  • step SAA13 NO
  • step SAA12 the determination of step SAA12 is performed again.
  • the learning result by the server device 2 is abnormal, it is possible to suppress the occurrence of a situation in which the defrosting operation is performed for an unnecessarily long time or the defrosting operation is performed for an insufficient time. .
  • Embodiments 1, 2, and 3 have been described as examples disclosed in the present application.
  • the technology in the present disclosure is not limited to this, and can also be applied to embodiments with modifications, replacements, additions, omissions, and the like.
  • the coefficient: E and the intercept: F of formula (3) are updated.
  • the coefficient: E and the intercept: F in equation (3) may be positive fixed values, ie, positive constants.
  • the configuration is such that the door open time is acquired as the driving status data GD1.
  • the first acquisition unit 1601 may obtain the time during which the drawer 16A and the door 11C were open, and obtain data indicating the obtained time as the operating condition data GD1. In this case, at least one of the time that drawer 16A or door 11C was open may be weighted. In this configuration, the value indicated by the driving condition data GD1 is substituted for the objective variable Q4.
  • the learning unit 1606 may learn by weighting at least one of the coefficient and the intercept: f.
  • an operating condition highly correlated with the frost amount is automatically selected for each refrigerator 1, and an estimation formula is learned using operating condition data GD1 indicating the selected operating condition.
  • the structure which estimates the defrosting operation required time by an estimation formula may be sufficient.
  • a plurality of refrigerators 1 may be grouped into refrigerators 1 having similar operating conditions, and an estimation formula may be learned for each group.
  • each of the refrigerators 1 belonging to one group estimates the amount of frost formation, that is, the required defrosting operation time, using the same estimation formula.
  • the learning data GD used for learning may be limited in time (for example, within the past three months from the present).
  • refrigerator communication control section 1608 may be configured to transmit ON/OFF information of heater 191 to server communication control section 201 .
  • the server communication control unit 201 calculates frost amount data GD2 (defrosting operation execution time) based on the received ON/OFF information of the heater 191 .
  • the configuration may be such that the refrigerator communication control unit 1608 transmits a notification regarding the state change of the refrigerator to the server communication control unit 201 .
  • the server communication control unit 201 calculates frost amount data GD2 (defrosting operation execution time) based on the received notification regarding the state change of the refrigerator. That is, the server device 2 may be configured to acquire the frost amount data GD2 based on the information received from the refrigerator 1 .
  • refrigerator processor 160 functions as estimation unit 1604 in estimation system 1000 .
  • server processor 200 also functions as estimator 1604 in estimator system 1000 . This other embodiment will be described in detail with reference to FIGS. 13 and 14. FIG.
  • FIG. 13 is a diagram showing the configuration of an estimation system 1000 according to another embodiment. 13 and 7, in comparison with the estimation system 1000 of Embodiment 2, in the estimation system 1000 of another embodiment, the server processor 200 further functions as an estimation unit 1604. .
  • FIG. 14 is a flow chart showing the operation of estimation system 1000 in another embodiment.
  • a flow chart FG shows the operation of the refrigerator 1
  • a flow chart FH shows the operation of the server device 2 .
  • the refrigerator communication control unit 1608 transmits the operating status data GD1 acquired by the first acquisition unit 1601 to the server device 2 (step SG1).
  • the server communication control unit 201 determines whether or not the operating status data GD1 has been received from the refrigerator 1 (step SH1).
  • step SH1 NO
  • the process proceeds to step SH4.
  • step SH2 if the server communication control unit 201 determines that it has received the driving situation data GD1 (step SH1: YES), the estimating unit 1604 stores the driving situation data GD1 received by the server communication control unit 201 and the server storage unit Based on the estimation formula indicated by the estimation formula information 1613 stored in 210, the defrosting operation required time is estimated as the amount of frost formation on cooler 184 (step SH2).
  • the server communication control unit 201 transmits data indicating the frost amount estimated in step SH2 to the refrigerator 1 (step SH3).
  • the server communication control unit 201 determines whether or not the learning data GD has been received from the refrigerator 1 (step SH4).
  • step SH4 NO
  • the process returns to step SH1.
  • step SH4 determines that the learning data GD has been received from the refrigerator 1 (step SH4: YES)
  • the server processor 200 performs the process of step SE2.
  • the refrigerator communication control unit 1608 receives data indicating the estimated amount of frost formation from the server device 2 (step SG2).
  • the defrosting operation executing unit 1605 determines whether or not the required defrosting operation time as the amount of frost indicated by the data received in step SG2 is 50 minutes or more (step SG3). This 50 minutes corresponds to the predetermined amount of the present disclosure.
  • step SA5 When the defrosting operation execution unit 1605 determines that the required defrosting operation time is 50 minutes or longer (step SG3: YES), the defrosting operation is started (step SA5).
  • step SG3 NO
  • the refrigerator processor 160 returns the process to step SA1.
  • the server processor 200 may perform the process of step SG3 instead of the refrigerator 1 after the process of step SH2.
  • the server device 2 does not execute the processing of step SH3
  • the refrigerator 1 does not execute the processing of steps SG2 and SG3.
  • the server communication control unit 201 transmits a defrosting operation start instruction to the refrigerator 1 to be processed, and performs the processing from step SH4 onward.
  • the refrigerator 1 receives a defrosting operation start instruction from the server device 2, the refrigerator 1 starts the defrosting operation, and performs the processing after step SA6.
  • each embodiment described above is configured such that the estimating unit 1604 estimates the frost amount of the cooler 184 using an estimation formula. In another embodiment, the estimator 1604 estimates the amount of frost on the cooler 184 using a learned model.
  • a trained model used for estimation in other embodiments is a machine-learned model based on the learning data GD stored in the learning data management DB 1612 .
  • This learned model is a model that receives driving condition data GD1 and outputs frost amount data GD2.
  • a trained model is configured as a program executed by the estimation unit 1604 .
  • As a trained model for example, a model such as a neural network or a support vector machine is used.
  • the learned model is stored in the refrigerator storage unit 161 when the refrigerator processor 160 functions as the estimation unit 1604 , and is stored in the server storage unit 210 when the server processor 200 functions as the estimation unit 1604 .
  • the learning unit 1606 is AI (Artificial Intelligence) and is configured with software or hardware.
  • the learning unit 1606 performs machine learning using the learning data GD stored in the learning data management DB 1612, and updates the learned model. That is, the learning unit 1606 executes machine learning using the learning data GD, and updates the learned model so that the learning result is reflected.
  • the machine learning performed by the learning unit 1606 can be realized as so-called supervised learning because it uses the learning data GD.
  • the learning unit 1606 obtains frost amount data corresponding to the operation status of the refrigerator 1 indicated by the input operation status data GD1 from the learning data GD.
  • the learning unit 1606 updates the learned model, for example, at the timing when a predetermined period of time has elapsed, or at the timing when new learning data GD is stored in the learning data management DB 1612, or the like. Note that the learning data GD used for machine learning may be deleted from the learning data management DB 1612 . Note that, in this configuration, the updated learned model corresponds to the learning result of the present disclosure.
  • the estimation unit 1604 inputs the driving situation data GD1 acquired by the first acquisition unit 1601 to the learned model, and causes the learned model to output the frost amount data GD2.
  • the estimating unit 1604 uses the defrosting operation required time as the frost amount of the cooler 184 indicated by the frost amount data GD2 output by the learned model as an estimation result.
  • the estimating unit 1604 is configured to estimate the defrosting operation required time as the frost amount of the cooler 184 .
  • the factor estimated as the amount of frost on the cooler 184 is not limited to time, and may be other factors such as frost weight.
  • the frost amount data GD2 included in the learning data GD is used as the amount of frost on the cooler 184 other than time. Indicates an element.
  • learning unit 1606 learns how much other factors other than time are with respect to the operation status of refrigerator 1 .
  • the units of the predetermined amount and the predetermined value in the present disclosure indicate units of elements other than time.
  • the objective variable Y of the estimation formula indicates an element other than time.
  • the frost amount data GD2 included in the learning data GD is used as the frost amount on the cooler 184. indicates the weight of the frost.
  • learning unit 1606 learns the weight of frost on cooler 184 with respect to the operating conditions of refrigerator 1 .
  • the predetermined amount and predetermined value of the present disclosure indicate weight instead of time.
  • the objective variable Y of the estimation formula indicates the weight of frost on the cooler 184 .
  • the timing at which the first acquisition unit 1601 acquires the driving situation data GD1 is the timing when one minute has passed since the previous acquisition of the driving situation data GD1.
  • the timing at which the first acquisition unit 1601 acquires the driving situation data GD1 is not limited to every one minute, and may be a cycle shorter than one minute or a cycle longer than one minute.
  • the time compared with the required defrosting operation time is not limited to 50 minutes, and may be shorter than 50 minutes or longer than 50 minutes.
  • steps SB2 and SF2 it is determined whether or not the difference between the defrosting operation required time and the defrosting operation execution time is 5 minutes.
  • the time for comparison with respect to this difference is not limited to 5 minutes, and may be shorter or longer than 5 minutes.
  • the types of accommodation chambers formed in the main box body 10 are refrigerating chamber 11, ice making chamber 12, fresh freezing chamber 13, freezing chamber 14, and vegetable chamber 15.
  • the types of accommodation chambers formed in the main box body 10 are not limited to the refrigerating chamber 11, the ice making chamber 12, the fresh freezing chamber 13, the freezing chamber 14, and the vegetable chamber 15, and may be fewer.
  • the number of doors provided at the front opening of the refrigerator compartment 11 may be one.
  • the types of driving situation data GD1 included in the learning data GD are not limited to the types described above.
  • the learning data GD may include operating condition data GD1 indicating the average temperature of at least one of the ice making compartment 12, the fresh freezing compartment 13, the freezing compartment 14, and the vegetable compartment 15.
  • the first acquisition unit 1601 acquires the operating status data GD1 indicating the average temperature of the storage compartment in the same manner as the average temperature of the refrigerator compartment 11 .
  • the learning data GD includes operating condition data GD1 indicating temperature distribution in at least one of the refrigerator compartment 11, the ice making compartment 12, the fresh freezing compartment 13, the freezer compartment 14, and the vegetable compartment 15.
  • the first acquisition unit 1601 obtains the variance and acquires the driving condition data GD1 indicating the calculated variance.
  • the estimating unit 1604 can estimate the amount of frost on the cooler 184 more accurately by using the operating condition data GD1 indicating the temperature distribution of the storage chamber.
  • the learning data GD may include operating condition data GD1 indicating the number of times at least one of the drawers 16A is opened and closed.
  • the first acquisition unit 1601 acquires the operating condition data GD1 indicating the number of times the drawer 16A has been opened and closed based on the detection values of the corresponding open/close sensors 171, similarly to the left door 11A and right door 11B.
  • the learning data GD may include operating condition data GD1 indicating the average and/or variance of the voltage of the cooling fan 185.
  • the first acquisition unit 1601 obtains the average and/or variance of the voltage of the cooling fan 185 based on the voltage of the cooling fan 185, and calculates the operating conditions indicating the average and/or variance of the voltage of the cooling fan 185 that has been found.
  • the learning data GD may include driving condition data GD1 indicating the dispersion of the rotation speed of the compressor 181 .
  • the first obtaining unit 1601 obtains the dispersion of the rotation speed of the compressor 181 and obtains the operating condition data GD1 indicating the obtained dispersion of the rotation speed of the compressor 181 .
  • the learning data GD may include operating condition data GD1 indicating the average and/or variance of power consumption of the compressor 181 .
  • the first acquisition unit 1601 acquires the operating condition data GD1 indicating the average and/or variance of the power consumption of the compressor 181 based on the rotation speed of the compressor 181 .
  • the learning data GD may include operating condition data GD1 indicating power consumption of the heater 191 .
  • the first obtaining unit 1601 obtains the power consumption of the heater 191 from the duty ratio indicating on/off of energization.
  • the learning data GD may include driving status data GD1 indicating the power consumption of the base on which the refrigerator processor 160 is mounted. In this case, the first obtaining unit 1601 obtains the power consumption of the board from the operation rate of the compressor 181 (the number of rotations relative to the maximum number of rotations).
  • the learning data GD may include driving condition data GD1 indicating the time during which the damper 186 was open. In this case, the first acquisition unit 1601 obtains the time during which the damper 186 was open from the time during which the signal for opening the damper 186 was output.
  • the learning data GD may include operating condition data GD1 indicating the average and variance of the ambient temperature of the refrigerator 1 .
  • the first acquisition unit 1601 obtains the average and variance of the ambient temperature of the refrigerator 1 based on the detection values of the sensor installed in the refrigerator 1 that detects the outside air temperature.
  • the learning data GD may include operating condition data GD1 indicating the average and variance of the ambient humidity of the refrigerator 1 .
  • the first acquisition unit 1601 obtains the average and variance of the ambient humidity of the refrigerator 1 based on the detection values of the sensor installed in the refrigerator 1 that detects the humidity of the outside air.
  • the learning data GD may include driving condition data GD1 indicating not only the number of times the left door 11A, the right door 11B, and the drawers 12A, 13A, 14A, and 15A are opened and closed but also the opening time.
  • the first acquisition unit 1601 obtains the open time based on the detection value of the open/close sensor 171 .
  • the functions of the refrigerator control unit 16 and the server control unit 20 may be realized by multiple processors or semiconductor chips.
  • server processor 200 may also function as learning data generator 1603 .
  • FIGS. 2, 7, and 13 Each unit shown in FIGS. 2, 7, and 13 is an example, and the specific implementation is not particularly limited. That is, it is not always necessary to mount hardware corresponding to each part individually, and it is of course possible to adopt a configuration in which one processor executes a program to realize the function of each part. Further, part of the functions implemented by software in the above-described embodiments may be implemented by hardware, or part of the functions implemented by hardware may be implemented by software. In addition, the specific detailed configurations of other parts of the refrigerator 1 and the server device 2 can be arbitrarily changed without departing from the scope of the present disclosure. This is the same for FIG. 10 as well.
  • FIGS. 4, 5, 8, 9, and 14 are divided according to the main processing contents in order to facilitate understanding of the operations of the refrigerator 1 and the server device 2. , and the operation is not limited by the division method or the name of the processing unit. It may be divided into more steps depending on the processing contents. Also, one step unit may be divided to include more processes. Also, the order of the steps may be changed as appropriate within the scope of the present disclosure. This is the same for FIG. 12 as well.
  • the present disclosure is applicable to refrigerators, refrigerator control methods, and programs that estimate the amount of frost on a cooler.
  • Refrigerator 2 Server Device 16 Refrigerator Control Unit 160 Refrigerator Processor (Processor) 184 cooler 1601 first acquisition unit 1602 second acquisition unit 1603 learning data generation unit 1604 estimation unit 1605 defrosting operation execution unit 1606 learning unit 1607 update unit 1611 control program (program) GD Learning data GD1 Operating status data GD2 Frost amount data

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Defrosting Systems (AREA)

Abstract

冷却器に着いた霜の量を精度良く推定できるようにすること。　本開示における冷蔵庫は、冷却器により庫内を冷却する冷蔵庫であって、前記冷蔵庫の運転状況を示す運転状況データを取得する第１取得部と、前記冷却器に着いた霜の量である着霜量を示す着霜量データを取得する第２取得部と、前記第１取得部が取得した前記運転状況データと、前記第２取得部が取得した前記着霜量データとを含む学習データに基づいて、前記冷蔵庫の運転状況に対する前記着霜量を学習する学習部と、前記学習部の学習結果及び前記第１取得部が取得した前記運転状況データに基づいて、前記着霜量を推定する推定部と、を備える。

Description

冷蔵庫、冷蔵庫の制御方法、及びプログラム
　本開示は、冷蔵庫、冷蔵庫の制御方法、及びプログラムに関する。
　特許文献１は、インナダクトから吹き出される空気の温度と、エバポレータの通過直後の空気の温度とに基づいて、ショーケースに着いた霜の量を推定する除霜制御装置を開示する。
特開２０００－８１２７２号公報
　本開示は、冷却器に着いた霜の量を精度良く推定できる冷蔵庫、冷蔵庫の制御方法、及びプログラムを提供する。
　本開示における冷蔵庫は、冷却器により庫内を冷却する冷蔵庫であって、前記冷蔵庫の運転状況を示す運転状況データを取得する第１取得部と、前記冷却器に着いた霜の量である着霜量を示す着霜量データを取得する第２取得部と、前記第１取得部が取得した前記運転状況データと、前記第２取得部が取得した前記着霜量データとを含む学習データに基づいて、前記冷蔵庫の運転状況に対する前記着霜量を学習する学習部と、前記学習部の学習結果及び前記第１取得部が取得した前記運転状況データに基づいて、前記着霜量を推定する推定部と、を備える。
　また、本開示における冷蔵庫の制御方法は、冷却器により庫内を冷却する冷蔵庫の制御方法であって、前記冷蔵庫の運転状況を示す運転状況データを取得するステップと、前記冷却器に着いた霜の量である着霜量を示す着霜量データを取得するステップと、取得した前記運転状況データ及び前記着霜量データを含む学習データに基づいて、前記冷蔵庫の運転状況に対する前記着霜量を学習するステップと、学習結果及び取得した前記運転状況データに基づいて、前記着霜量を推定するステップと、を含む。
　また、本開示におけるプログラムは、冷却器により庫内を冷却する冷蔵庫のプロセッサーを、前記冷蔵庫の運転状況を示す運転状況データを取得する第１取得部と、前記冷却器に着いた霜の量である着霜量を示す着霜量データを取得する第２取得部と、前記第１取得部が取得した前記運転状況データと、前記第２取得部が取得した前記着霜量データとを含む学習データに基づいて、前記冷蔵庫の運転状況に対する前記着霜量を学習する学習部と、前記学習部の学習結果及び前記第１取得部が取得した前記運転状況データに基づいて、前記着霜量を推定する推定部として機能させる。
　なお、この明細書には、２０２１年５月３１日に出願された日本国特許出願・特願２０２１－０９１５３６号の全ての内容が含まれるものとする。
　本開示における冷蔵庫、冷蔵庫の制御方法、及びプログラムは、冷蔵庫の運転状況に対して冷却器に着く霜の量がどのくらいの量になるかが学習された学習結果に基づいて、冷却器に着いた霜の量を推定できる。よって、冷却器に着いた霜の量を精度良く推定できる。
図１は、実施の形態１における冷蔵庫の外観正面図 図２は、実施の形態１における冷蔵庫の構成を示す図 図３は、実施の形態１における学習データの一例を示す図 図４は、実施の形態１における冷蔵庫の動作を示すフローチャート 図５は、実施の形態１における冷蔵庫の動作を示すフローチャート 図６は、実施の形態１における冷蔵室の温度変動を示すタイミングチャート 図７は、実施の形態２における推定システムの構成を示す図 図８は、実施の形態２における推定システムの動作を示すフローチャート 図９は、実施の形態２における推定システムの動作を示すフローチャート 図１０は、実施の形態３における推定システムの構成を示す図 図１１は、実施の形態３における学習データの一例を示す図 図１２は、実施の形態３における冷蔵庫の動作を示すフローチャート 図１３は、他の実施形態における推定システムの構成を示す図 図１４は、他の実施形態における推定システムの動作を示すフローチャート
　（本開示の基礎となった知見等）
　発明者らが本開示に想到するに至った当時、ショーケースの冷却器の着霜量を推定する技術があった。しかしながら、従来の技術は、冷却する食品や使い方が固定されている場合には有効であるが、冷蔵庫においては使用者によって冷却する食品の種類や出し入れする量が異なるため冷却器に付着する霜の増加傾向が使用者に依存して変化することから推定精度の向上に改善の余地があると言う課題を発明者らは発見し、その課題を解決するために、本開示の主題を構成するに至った。
　そこで、本開示は、冷却器に着いた霜の量を精度良く推定できる冷蔵庫、冷蔵庫の制御方法、及びプログラムを提供する。
　以下、図面を参照しながら実施の形態を詳細に説明する。但し、必要以上に詳細な説明を省略する場合がある。例えば、既によく知られた事項の詳細説明、または、実質的に同一の構成に対する重複説明を省略する場合がある。
　なお、添付図面および以下の説明は、当業者が本開示を十分に理解するために提供されるのであって、これらにより特許請求の範囲に記載の主題を限定することを意図していない。
　（実施の形態１）
　実施の形態１について説明する。
　［１－１．構成］
　図１は、冷蔵庫１の外観正面図である。
　冷蔵庫１は、冷却器１８４が生成した冷気を各収容室に送ることで庫内を冷却する。図１で示すように、本実施形態の冷蔵庫１は、前面が開口した主箱体１０を備え、主箱体１０には、冷蔵室１１、製氷室１２、新鮮凍結室１３、冷凍室１４、及び野菜室１５が形成されている。冷蔵室１１の前面の開口部には、回転式の左ドア１１Ａ及び右ドア１１Ｂが設けられている。製氷室１２、新鮮凍結室１３、冷凍室１４、及び野菜室１５の各々には、食品を収容する引出１２Ａ、１３Ａ、１４Ａ、１５Ａが設けられている。
　以下の説明において、左ドア１１Ａ及び右ドア１１Ｂを区別しない場合、「ドア１１Ｃ」と総称する。また、引出１２Ａ、１３Ａ、１４Ａ、１５Ａを区別しない場合、「引出１６Ａ」と総称する。
　図２は、冷蔵庫１の構成を示す図である。
　図２で示すように、冷蔵庫１は、冷蔵庫制御部１６、センサー部１７、冷却部１８、及び除霜部１９を備える。
　冷蔵庫制御部１６は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro-processing unit）等のプログラムを実行するプロセッサーである冷蔵庫プロセッサー１６０、及び冷蔵庫記憶部１６１を備える。冷蔵庫制御部１６は、冷蔵庫プロセッサー１６０が、冷蔵庫記憶部１６１が記憶する制御プログラム１６１１を読み出して実行することにより、冷蔵庫１の各部を制御する。冷蔵庫プロセッサー１６０は、制御プログラム１６１１を実行することで、第１取得部１６０１、第２取得部１６０２、学習データ生成部１６０３、推定部１６０４、除霜運転実行部１６０５、学習部１６０６、及び更新部１６０７として機能する。
　冷蔵庫プロセッサー１６０は、本開示のプロセッサーに相当する。制御プログラム１６１１は、本開示のプログラムに相当する。
　冷蔵庫記憶部１６１は、冷蔵庫プロセッサー１６０が実行するプログラムや、冷蔵庫プロセッサー１６０により処理されるデータを記憶するメモリーを備える。冷蔵庫記憶部１６１は、冷蔵庫プロセッサー１６０が実行する制御プログラム１６１１、学習データ管理ＤＢ（database）１６１２、及び推定式情報１６１３、その他の各種データを記憶する。冷蔵庫記憶部１６１は、不揮発性の記憶領域を有する。冷蔵庫記憶部１６１は、揮発性の記憶領域を備え、冷蔵庫プロセッサー１６０のワークエリアを構成してもよい。
　学習データ管理ＤＢ１６１２及び推定式情報１６１３は、制御プログラム１６１１のインストールや、制御プログラム１６１１の更新データのインストール等の所定のタイミングで冷蔵庫記憶部１６１に記憶される。なお、推定式情報１６１３は、ユーザーが冷蔵庫１を使用開始する前から冷蔵庫記憶部１６１に記憶されていてもよい。
　学習データ管理ＤＢ１６１２は、学習データＧＤを格納するデータベースである。学習データ管理ＤＢ１６１２は、現在から過去に向かった所定期間内で生成された学習データＧＤを格納する。学習データＧＤについては後述する。
　推定式情報１６１３は、後述する推定部１６０４が用いる推定式を示す情報である。推定式は、以下の式（１）である。
Figure JPOXMLDOC01-appb-M000001
　式（１）において、目的変数は、Ｙである。また、式（１）において、説明変数は、Ｘ１、Ｘ２、Ｘ３、Ｘ４、及びＸ５である。また、式（１）において、係数は、α、β、γ、δ、及びεである。
　センサー部１７は、各種のセンサーを備え、センサーごとにセンサーの検出値を冷蔵庫制御部１６に出力する。
　センサー部１７は、左ドア開閉センサー１７１１、右ドア開閉センサー１７１２、製氷室開閉センサー１７１３、新鮮凍結室開閉センサー１７１４、冷凍室開閉センサー１７１５、及び野菜室開閉センサー１７１６を備える。
　以下の説明において、左ドア開閉センサー１７１１、右ドア開閉センサー１７１２、製氷室開閉センサー１７１３、新鮮凍結室開閉センサー１７１４、冷凍室開閉センサー１７１５、及び野菜室開閉センサー１７１６を区別することなく総称する場合、「開閉センサー」といい「１７１」の符号を付す。なお、開閉センサー１７１の検出形式は、測距式や接触式等の任意の形式が採用される。
　左ドア開閉センサー１７１１は、左ドア１１Ａの開閉状態を検出する。
　右ドア開閉センサー１７１２は、右ドア１１Ｂの開閉状態を検出する。
　製氷室開閉センサー１７１３は、引出１２Ａの開閉状態を検出する。
　新鮮凍結室開閉センサー１７１４は、引出１３Ａの開閉状態を検出する。
　冷凍室開閉センサー１７１５は、引出１４Ａの開閉状態を検出する。
　野菜室開閉センサー１７１６は、引出１５Ａの開閉状態を検出する。
　なお、引出１６Ａは、対応する収容室から引き出されている状態が開状態であり、対応する収容室から引き出されていない状態が閉状態である。
　センサー部１７は、冷蔵室温度センサー１７２１、製氷室温度センサー１７２２、新鮮凍結室温度センサー１７２３、冷凍室温度センサー１７２４、及び野菜室温度センサー１７２５を備える。
　以下の説明において、冷蔵室温度センサー１７２１、製氷室温度センサー１７２２、新鮮凍結室温度センサー１７２３、冷凍室温度センサー１７２４、及び野菜室温度センサー１７２５を区別することなく総称する場合、「温度センサー」といい「１７２」の符号を付す。
　冷蔵室温度センサー１７２１は、冷蔵室１１の温度を検出する。
　製氷室温度センサー１７２２は、製氷室１２の温度を検出する。
　新鮮凍結室温度センサー１７２３は、新鮮凍結室１３の温度を検出する。
　冷凍室温度センサー１７２４は、冷凍室１４の温度を検出する。
　野菜室温度センサー１７２５は、野菜室１５の温度を検出する。
　センサー部１７は、冷却器温度センサー１７３を備える。
　冷却器温度センサー１７３は、冷却器１８４の温度を検出する。冷却器温度センサー１７３は、例えば冷却器１８４の表面や冷却器１８４の内部等の所定の位置の温度を、冷却器１８４の温度として検出する。
　冷却部１８は、圧縮機１８１や、凝縮器１８２、キャピラリーチューブ１８３、冷却器１８４、冷却器１８４が生成した冷気を各収容室に送る冷却ファン１８５、及び、冷却ファン１８５により送られる冷気を分流するダンパー１８６等の冷蔵庫１の各収容室を冷却する機構を備え、冷蔵庫制御部１６の制御に従って、冷蔵庫１の各収容室を冷却する。
　除霜部１９は、冷却器１８４を加熱するヒーター１９１を備える。ヒーター１９１は、冷蔵庫制御部１６の制御に従って、冷却器１８４を加熱する。これにより、冷却器１８４は除霜される。
　上述したように、冷蔵庫プロセッサー１６０は、第１取得部１６０１、第２取得部１６０２、学習データ生成部１６０３、推定部１６０４、除霜運転実行部１６０５、学習部１６０６、及び更新部１６０７として機能する。
　第１取得部１６０１は、冷蔵庫１の運転状況を示す運転状況データＧＤ１を複数取得する。本実施の形態において、冷蔵庫１の運転状況は、冷蔵室１１の温度の状況を含む。第１取得部１６０１は、冷蔵室１１の温度の状況を示す運転状況データＧＤ１を取得する。
　第１取得部１６０１は、冷蔵室温度センサー１７２１が出力する検出値に基づいて、前回に運転状況データＧＤ１を取得してから１分が経過するたびに、前回の学習データＧＤの格納以降における冷蔵室１１の平均温度を求める。そして、第１取得部１６０１は、求めた冷蔵室１１の平均温度を示すデータを、冷蔵室１１の温度の状況を示す運転状況データＧＤ１として取得する。
　本実施の形態において、冷蔵庫１の運転状況は、ドア１１Ｃの開閉状況を含む。第１取得部１６０１は、左ドア１１Ａ、及び右ドア１１Ｂごとに、開閉状況を示す運転状況データＧＤ１を取得する。
　第１取得部１６０１は、左ドア開閉センサー１７１１が出力する検出値に基づいて、前回に運転状況データＧＤ１を取得してから１分が経過するたびに、前回の学習データＧＤの格納以降における左ドア１１Ａの開閉回数を求める。そして、第１取得部１６０１は、求めた左ドア１１Ａの開閉回数を示すデータを、左ドア１１Ａの開閉状況を示す運転状況データＧＤ１として取得する。第１取得部１６０１は、右ドア１１Ｂについても同様に、対応する右ドア開閉センサー１７１２の検出値に基づいて運転状況データＧＤ１を取得する。
　本実施の形態において、冷蔵庫１の運転状況は、圧縮機１８１の回転状況を含む。第１取得部１６０１は、圧縮機１８１の回転状況を示す運転状況データＧＤ１を取得する。
　第１取得部１６０１は、前回に運転状況データＧＤ１を取得してから１分が経過するたびに、前回の学習データＧＤの格納以降における圧縮機１８１の平均回転数を求める。そして、第１取得部１６０１は、求めた圧縮機１８１の平均回転数を示すデータを、圧縮機１８１の回転状況を示す運転状況データＧＤ１として取得する。
　本実施の形態において、冷蔵庫１の運転状況は、冷却器１８４の温度の状況を含む。第１取得部１６０１は、冷却器１８４の温度の状況を示す運転状況データＧＤ１を取得する。
　第１取得部１６０１は、冷却器温度センサー１７３が出力する検出値に基づいて、前回に運転状況データＧＤ１を取得してから１分が経過するたびに、前回の学習データＧＤの格納以降における冷却器１８４の平均温度を求める。そして、第１取得部１６０１は、求めた冷却器１８４の平均温度を示すデータを、冷却器１８４の温度の状況を示す運転状況データＧＤ１として取得する。
　第２取得部１６０２は、冷却器１８４に着いた霜の量である着霜量を示す着霜量データＧＤ２を取得する。着霜量と除霜運転実行時間とには、相関がある。ここで、除霜運転実行時間とは、冷却器１８４に着いた霜を溶かす除霜運転が行われた時間である。そのため、第２取得部１６０２は、着霜量データＧＤ２として、除霜運転実行時間を示すデータを除霜運転実行部１６０５から取得する。すなわち、第２取得部１６０２が取得する着霜量データＧＤ２は、除霜運転実行時間を示す。
　学習データ生成部１６０３は、第１取得部１６０１が取得した運転状況データＧＤ１と、第２取得部１６０２が取得した着霜量データＧＤ２とに基づいて、学習データＧＤを生成する。学習データ生成部１６０３は、生成した学習データＧＤを学習データ管理ＤＢ１６１２に格納する。
　図３は、学習データＧＤの一例を示す図である。
　学習データＧＤは、第２取得部１６０２が取得した着霜量データＧＤ２に対して、第１取得部１６０１が取得した運転状況データＧＤ１が複数対応付く。
　推定部１６０４は、冷却器１８４の着霜量を推定する。推定部１６０４は、推定式を用いて、冷却器１８４の着霜量を推定する。着霜量と、冷却器１８４に着いた霜を溶かすために必要な除霜運転の所要時間とには、相関がある。よって、推定部１６０４は、推定式を用いて、冷却器１８４の着霜量として、除霜運転の所要時間を推定する。以下、除霜運転の所要時間を、単に「除霜運転所要時間」という。式（１）の目的変数：Ｙは、除霜運転所要時間を示す。推定部１６０４は、式（１）の説明変数の各々に、運転状況データＧＤ１が示す値を代入して演算を行うことで、冷却器１８４の着霜量として除霜運転所要時間を推定する。
　除霜運転実行部１６０５は、推定部１６０４が推定した着霜量に基づいて、冷却器１８４の除霜運転を開始する。除霜運転実行部１６０５は、除霜運転において、ヒーター１９１に通電を行ってヒーター１９１を加熱させる。これにより、ヒーター１９１の熱が冷却器１８４に伝達し、冷却器１８４に着いた霜が溶ける。除霜運転実行部１６０５は、除霜運転を開始して最大除霜時間が経過した場合、除霜運転を終了する。最大除霜時間は、例えば６０分である。最大除霜時間は６０分より短くてもよいし、６０分より長くてもよい。また、除霜運転実行部１６０５は、冷却器温度センサー１７３が検出する温度が所定温度になった場合、除霜運転を開始してから最大除霜時間が経過していなくても除霜運転を終了する。所定温度は、例えば１０℃である。所定温度は１０℃より低温でもよいし、１０℃より高温でもよい。除霜運転実行部１６０５は、除霜運転を開始すると除霜運転実行時間のカウントを開始する。そして、除霜運転実行部１６０５は、除霜運転を終了すると除霜運転実行時間のカウントを終了し、直近でカウントした除霜運転実行時間を示すデータを第２取得部１６０２に出力する。
　学習部１６０６は、学習データ管理ＤＢ１６１２に格納された学習データＧＤに基づいて、冷蔵庫１の運転状況に対する冷却器１８４の着霜量を学習する。すなわち、学習部１６０６は、冷蔵室１１の温度の状況、ドア１１Ｃの開閉状況、圧縮機１８１の回転状況、及び、冷却器１８４の温度の状況に対して、冷却器１８４にどのくらいの量の霜が着くのかを学習データＧＤに基づいて学習する。上述したように、着霜量と除霜運転所要時間とは相関がある。よって、学習部１６０６は、冷蔵庫１の運転状況に対する冷却器１８４の着霜量として、冷蔵庫１の運転状況に対する除霜運転所要時間を学習する。換言すると、学習部１６０６は、冷蔵庫１の運転状況に対して、除霜運転にどのくらいの時間が必要であるかを学習する。
　学習部１６０６は、学習データ管理ＤＢ１６１２に格納された学習データＧＤに基づいて、線形回帰の一種である重回帰分析を行い、線形の重回帰式の各係数を学習する。線形の重回帰式は、次の式（２）で示される。
Figure JPOXMLDOC01-appb-M000002
　式（２）において、ｙは、目的変数である。式（２）において、ｘｉ（ｉは１以上の整数）の各々は、説明変数である。ｂｉ（ｉは１以上の整数）の各々は、偏回帰係数である。
　学習部１６０６は、学習データＧＤに含まれる各運転状況データＧＤ１が示す値を説明変数とし、学習データＧＤに含まれる着霜量データＧＤ２が示す除霜運転実行時間を目的変数として、学習データ管理ＤＢ１６１２に格納された学習データＧＤに対して重回帰分析を行う。そして、学習部１６０６は、説明変数の値を引数とし、出力される値を目的変数の値とする重回帰式を導出する。導出された重回帰式は、本開示の学習結果に相当する。
　更新部１６０７は、推定式情報１６１３が示す推定式の各係数を、学習部１６０６が導出した重回帰式の各係数に更新する。式（１）に示される推定式と、学習部１６０６により導出される重回帰式とは、係数の数が同じである。また、推定式の係数と、学習部１６０６により導出される重回帰式の係数との対応関係は、予め適切に定められている。
　よって、例えば、更新部１６０７は、学習部１６０６が導出した重回帰式の係数：ｂ１を推定式の係数：αとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した重回帰式の係数：ｂ２を推定式の係数：βとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した重回帰式の係数：ｂ３を推定式の係数：γとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した重回帰式の係数：ｂ４を推定式の係数：δとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した重回帰式の係数：ｂ５を推定式の係数：εとして更新する。
　［１－２．動作］
　次に、冷蔵庫１の動作について説明する。
　まず、学習データＧＤの格納に係わる冷蔵庫１の動作について説明する。
　図４は、冷蔵庫１の動作を示すフローチャートＦＡである。
　冷蔵庫１の第１取得部１６０１は、前回に運転状況データＧＤ１を取得してから１分が経過したか否かを判定する（ステップＳＡ１）。
　第１取得部１６０１は、前回に運転状況データＧＤ１を取得してから１分が経過していないと判定した場合（ステップＳＡ１：ＮＯ）、再度、ステップＳＡ１の判定を行う。
　一方、第１取得部１６０１は、前回に運転状況データＧＤ１を取得してから１分が経過したと判定した場合（ステップＳＡ１：ＹＥＳ）、運転状況データＧＤ１を取得する（ステップＳＡ２）。
　次いで、推定部１６０４は、ステップＳＡ２で取得された運転状況データＧＤ１、及び推定式情報１６１３が示す推定式に基づいて、冷却器１８４の着霜量を推定する（ステップＳＡ３）。なお、上述したように、推定部１６０４は、冷却器１８４の着霜量として除霜運転所要時間を推定する。
　ステップＳＡ３について詳述する。
　推定部１６０４は、式（１）の係数：Ｘ１に、運転状況データＧＤ１が示す冷蔵室１１の平均温度を代入する。
　また、推定部１６０４は、式（１）の係数：Ｘ２に、運転状況データＧＤ１が示す左ドア１１Ａの開閉回数を代入する。
　また、推定部１６０４は、式（１）の係数：Ｘ３に、運転状況データＧＤ１が示す右ドア１１Ｂの開閉回数を代入する。
　また、推定部１６０４は、式（１）の係数：Ｘ４に、運転状況データＧＤ１が示す圧縮機１８１の平均回転数を代入する。
　また、推定部１６０４は、式（１）の係数：Ｘ５に、運転状況データＧＤ１が示す冷却器１８４の平均温度を代入する。
　そして、推定部１６０４は、これら値が代入された推定式によって除霜運転所要時間を求めることで、冷却器１８４の着霜量を推定する。
　除霜運転実行部１６０５は、着霜量として推定した除霜運転所要時間が５０分以上であるか否かを判定する（ステップＳＡ４）。ステップＳＡ４で比較対象の５０分は、本開示の所定量に相当する。
　除霜運転実行部１６０５が、着霜量として推定した除霜運転所要時間が５０分を下回ると判定した場合（ステップＳＡ４：ＮＯ）、冷蔵庫プロセッサー１６０は、再度、ステップＳＡ１の判定を行う。
　一方で、除霜運転実行部１６０５は、着霜量として推定した除霜運転所要時間が５０分以上であると判定した場合（ステップＳＡ４：ＹＥＳ）、除霜運転を開始する（ステップＳＡ５）。
　次いで、除霜運転実行部１６０５は、冷却器温度センサー１７３の検出値に基づいて、冷却器１８４の温度が所定温度を上回ったか否かを判定する（ステップＳＡ６）。
　除霜運転実行部１６０５は、冷却器１８４の温度が所定温度を上回ったと判定した場合（ステップＳＡ６：ＹＥＳ）、除霜運転を終了する（ステップＳＡ８）。
　除霜運転実行部１６０５は、冷却器１８４の温度が所定温度以下であると判定した場合（ステップＳＡ６：ＮＯ）、除霜運転を開始してから最大除霜時間が経過したか否かを判定する（ステップＳＡ７）。
　除霜運転実行部１６０５は、除霜運転を開始してから最大除霜時間が経過したと判定した場合（ステップＳＡ７：ＹＥＳ）、除霜運転を終了する（ステップＳＡ８）。
　一方、除霜運転実行部１６０５は、除霜運転を開始してから最大除霜時間が経過していないと判定した場合（ステップＳＡ７：ＮＯ）、再度、ステップＳＡ６の判定を行う。
　第２取得部１６０２は、除霜運転実行部１６０５が除霜運転を終了させると、除霜運転実行時間を示す着霜量データＧＤ２を除霜運転実行部１６０５から取得する（ステップＳＡ９）。
　次いで、学習データ生成部１６０３は、学習データＧＤを生成する（ステップＳＡ１０）。
　次いで、学習データ生成部１６０３は、生成した学習データＧＤを、学習データ管理ＤＢ１６１２に格納する（ステップＳＡ１１）。
　次に、推定式の更新に係わる冷蔵庫１の動作について説明する。
　図５は、冷蔵庫１の動作を示すフローチャートＦＢである。
　冷蔵庫１の学習部１６０６は、推定式の更新に係わる動作を開始する開始トリガーが発生したか否かを判定する（ステップＳＢ１）。
　この開始トリガーとしては、新たな学習データＧＤが学習データ管理ＤＢ１６１２に格納されたことや、現在日時が予め定められた更新日時（例えば、毎月１０日の１７時）に至ったこと、製造出荷後に冷蔵庫１が使用開始されたこと、製造出荷後に冷蔵庫１が使用開始されてから所定期間が経過したこと、前回に推定式の更新を行ってから所定期間が経過したこと等が例に挙げられる。
　学習部１６０６は、開始トリガーが発生していないと判定した場合（ステップＳＢ１：ＮＯ）、再度、ステップＳＢ１の判定を行う。
　一方、学習部１６０６は、開始トリガーが発生したと判定した場合（ステップＳＢ１：ＹＥＳ）、着霜量として推定された直近の除霜運転所要時間と、直近の除霜運転実行時間との差分が５分を上回るか否かを判定する（ステップＳＢ２）。ここで５分は、本開示の所定値に相当する。また、ここで、除霜運転実行時間は、実際の着霜量に相当する。
　冷蔵庫記憶部１６１は、推定部１６０４が推定した直近の冷却器１８４の着霜量を示す情報、すなわち、推定部１６０４が推定した直近の除霜運転所要時間を示す情報を記憶している。そして、ステップＳＢ２において、学習部１６０６は、冷蔵庫記憶部１６１から、推定部１６０４が推定した直近の除霜運転所要時間を取得する。また、ステップＳＢ２において、学習部１６０６は、学習データ管理ＤＢ１６１２に格納された学習データＧＤのうち、最も新しく格納された学習データＧＤを特定し、特定した学習データＧＤが含む着霜量データＧＤ２が示す除霜運転実行時間を取得する。そして、学習部１６０６は、取得した２種の時間の差分を求め、求めた差分についてステップＳＢ２の判定を行う。
　学習部１６０６は、差分が５分以下であると判定した場合（ステップＳＢ２：ＮＯ）、処理をステップＳＢ１に戻し、ステップＳＢ１の判定を再度行う。
　一方、差分が５分を上回ると判定した場合（ステップＳＢ２：ＹＥＳ）、学習部１６０６は、学習データ管理ＤＢ１６１２に格納された学習データＧＤに基づいて学習する（ステップＳＢ３）。これにより、学習部１６０６は、重回帰式を導出する。
　次いで、更新部１６０７は、ステップＳＢ３における学習部１６０６の学習結果に基づいて、推定式情報１６１３が示す推定式の各係数を更新する（ステップＳＢ４）。
　図６は、冷蔵室１１の温度変動を示すタイミングチャートである。図６においてタイミングチャートＴＣ１は、従来のタイミングで除霜運転が開始される場合の冷蔵室１１の温度変動を示す。図６においてタイミングチャートＴＣ２は、本開示のタイミングで除霜運転が開始される場合の冷蔵室１１の温度変動を示す。図６の各タイミングチャートにおいて、縦軸は冷蔵室１１の温度を示し、横軸は時間を示す。
　従来は、例えばドア１１Ｃや引出１６Ａの開閉時間に基づいて、除霜運転が開始される。タイミングチャートＴＣ１で示すように、タイミングＴ１において除霜運転を開始すると、冷蔵室１１の温度は、タイミングＴ１以降、上昇する。タイミングチャートＴＣ１で示すように、タイミングＴ２において除霜運転を終了すると、冷蔵室１１の温度は、下降するが、タイミングＴ４で再度除霜運転を開始すると、再度上昇する。以後、冷蔵室１１の温度は、上昇及び下降を繰り返す。
　本開示では、推定部１６０４が推定した着霜量に基づいて除霜運転を実行する。タイミングチャートＴＣ２で示すように、本開示の冷蔵庫１は、タイミングＴ１において除霜運転を開始するとタイミングＴ３において除霜運転を終了する。本開示の冷蔵庫１は、従来よりも着霜量が多い状態で除霜運転が開始され得るため、従来よりも除霜運転実行時間が長くなり得る。タイミングチャートＴＣ２で示すように、本開示の冷蔵庫１は、着霜量に基づいて除霜運転を実行するため、タイミングＴ４でも除霜運転を開始しない。
　図６で示すように、本開示の冷蔵庫１は、推定部１６０４が推定した着霜量に基づいて除霜運転を実行するため、冷却器１８４に多くの霜が着いた状態で除霜運転を開始できる。よって、本開示の冷蔵庫１は、所定の単位時間あたりにおける除霜運転の実行回数を低減できるため、例えば年間単位等の所定単位におけるヒーター１９１の消費電力を抑制できる。また、本開示の冷蔵庫１は、所定の単位時間あたりにおける除霜運転の実行回数を低減できるため、各収容室の温度変動を抑制でき、収容される食品の劣化を抑制できる。
　［１－３．効果等］
　以上、説明したように、冷蔵庫１は、冷却器１８４により庫内を冷却する。冷蔵庫１は、冷蔵庫１の運転状況を示す運転状況データＧＤ１を取得する第１取得部１６０１と、冷却器１８４に着いた霜の量である着霜量を示す着霜量データＧＤ２を取得する第２取得部１６０２と、第１取得部１６０１が取得した運転状況データＧＤ１と、第２取得部１６０２が取得した着霜量データＧＤ２とを含む学習データＧＤに基づいて、冷蔵庫１の運転状況に対する冷却器１８４の着霜量を学習する学習部１６０６と、学習部１６０６の学習結果及び第１取得部１６０１が取得した運転状況データＧＤ１に基づいて、冷却器１８４の着霜量を推定する推定部１６０４と、を備える。
　これにより、冷蔵庫１の運転状況に対して冷却器１８４に着く霜の量がどのくらいの量になるかが学習された学習結果に基づいて、冷却器１８４に着いた霜の量を推定できる。よって、冷却器１８４に着いた霜の量を精度良く推定できる。
　本実施の形態のように、冷蔵庫１は、推定部１６０４が推定した冷却器１８４の着霜量に基づいて、冷却器１８４に着いた霜を溶かす除霜運転を開始する除霜運転実行部１６０５を備えるようにしてもよい。
　これにより、精度良く推定された冷却器１８４の着霜量に基づいて除霜運転を開始できるため、適切なタイミングで除霜運転を開始できる。
　また、本実施の形態のように、除霜運転実行部１６０５は、推定部１６０４が推定した着霜量としての除霜運転所要時間が５０分以上である場合、除霜運転を開始する。除霜運転実行部１６０５は、推定部１６０４が推定した着霜量として除霜運転所要時間が５０分を下回る場合、除霜運転を開始しない。
　これにより、不必要に除霜運転を開始することを抑制できるため、除霜運転による庫内温度上昇で食品が劣化することを抑制でき、且つ、除霜運転による消費電力の増大を抑制できる。
　また、本実施の形態のように、推定部１６０４は、学習部１６０６の学習結果が反映された推定式、及び第１取得部１６０１が取得した運転状況データＧＤ１に基づいて、冷却器１８４の着霜量を推定するようにしてもよい。
　これにより、学習部１６０６の学習結果が反映された推定式を用いることで、容易に冷却器１８４の着霜量を推定できる。よって、推定に係わる処理負荷を抑制しつつ、精度良く冷却器１８４の着霜量を推定できる。
　また、本実施の形態のように、冷蔵庫１は、学習部１６０６の学習結果に基づいて推定式を更新する更新部１６０７を備えるようにしてもよい。
　これにより、推定部１６０４が用いる推定式を、学習結果が反映された推定式として維持できる。よって、推定精度を維持しつつ、冷却器１８４に着いた霜の量を推定できる。
　また、本実施の形態において、更新部１６０７は、推定部１６０４が着霜量として推定した除霜運転所要時間と、除霜運転実行時間との差分が５分を上回る場合、推定式を更新する。更新部１６０７は、推定部１６０４が推定した除霜運転所要時間と、除霜運転実行時間との差分が５分以下である場合、推定式を更新しない。
　これにより、不必要に推定式を更新することを抑制でき、推定式の更新による処理負荷の増大を抑制できる。
　また、本実施の形態において、冷蔵庫１の制御方法は、冷蔵庫１の運転状況を示す運転状況データＧＤ１を取得するステップと、冷却器１８４の着霜量を示す着霜量データＧＤ２を取得するステップと、取得した運転状況データＧＤ１及び着霜量データＧＤ２を含む学習データＧＤに基づいて、冷蔵庫１の運転状況に対する着霜量を学習するステップと、学習結果及び取得した運転状況データＧＤ１に基づいて、着霜量を推定するステップと、を含む。
　これにより、上述した冷蔵庫１と同様の効果を奏する。
　また、本実施の形態において、制御プログラム１６１１は、冷蔵庫プロセッサー１６０を、冷蔵庫１の運転状況を示す運転状況データＧＤ１を取得する第１取得部１６０１と、冷却器１８４に着いた霜の量である着霜量を示す着霜量データＧＤ２を取得する第２取得部１６０２と、第１取得部１６０１が取得した運転状況データＧＤ１と、第２取得部１６０２が取得した着霜量データＧＤ２とを含む学習データＧＤに基づいて、冷蔵庫１の運転状況に対する冷却器１８４の着霜量を学習する学習部１６０６と、学習部１６０６の学習結果及び第１取得部１６０１が取得した運転状況データＧＤ１に基づいて、冷却器１８４の着霜量を推定する推定部１６０４として機能させる。
　これにより、上述した冷蔵庫１と同様の効果を奏する。
　（実施の形態２）
　次に、実施の形態２について説明する。実施の形態２の説明では、実施の形態１の冷蔵庫１の構成要素と同じ構成要素については、同一の符号を付して詳細な説明を適宜に省略する。
　［２－１．構成］
　図７は、実施の形態２における推定システム１０００の構成を示す図である。
　推定システム１０００は、冷却器１８４の着霜量の推定に係わる処理を行うシステムである。
　推定システム１０００は、冷蔵庫１、及び、冷蔵庫１と通信ネットワークＮＷを介して通信可能なサーバー装置２を備える。通信ネットワークＮＷは、公衆回線網、専用線、その他の通信回線、及び、各種の通信設備で構成されるネットワークであり、具体的な態様は制限されない。例えば、通信ネットワークＮＷは、広域ネットワークでもよいし、建物内部に敷設されたローカルネットワークでもよい。また、通信ネットワークＮＷは、無線通信回路及び有線通信回路の少なくともいずれかを含む構成でもよい。
　図７と図２とを比較して明らかな通り、実施の形態２の冷蔵庫記憶部１６１は、冷蔵庫１の識別情報である冷蔵庫ＩＤ（Identification）１６１４を記憶する。冷蔵庫ＩＤ１６１４としては、冷蔵庫１のシリアル番号や冷蔵庫１の製造番号等が例に挙げられる。
　また、図７と図２とを比較して明らかな通り、実施の形態２の冷蔵庫１は、さらに冷蔵庫通信部２２を備える。
　冷蔵庫通信部２２は、所定の通信規格に従った無線回路やアンテナ等の通信に係わる構成を備える通信インターフェイスであり、所定の通信規格に従ってサーバー装置２と通信する。冷蔵庫通信部２２が使用する通信規格は、無線通信規格（例えばＩＥＥＥ８０２．１１ａ／１１ｂ／１１ｇ／１１ｎ／１１ａｃ、Ｂｌｕｅｔｏｏｔｈ（登録商標））でもよいし有線通信規格でもよい。
　また、図７と図２とを比較して明らかな通り、実施の形態２の冷蔵庫プロセッサー１６０は、第１取得部１６０１、第２取得部１６０２、学習データ生成部１６０３、推定部１６０４、除霜運転実行部１６０５、及び冷蔵庫通信制御部１６０８として機能する。
　冷蔵庫通信制御部１６０８は、冷蔵庫通信部２２を介してサーバー装置２と通信する。
　図７に示すように、サーバー装置２は、サーバー制御部２０及びサーバー通信部２１を備える。
　サーバー制御部２０は、ＣＰＵやＭＰＵ等のプログラムを実行するプロセッサーであるサーバープロセッサー２００、及びサーバー記憶部２１０を備える。サーバー制御部２０は、サーバープロセッサー２００が、サーバー記憶部２１０に記憶された制御プログラム２１１を読み出して実行することにより、サーバー装置２の各部を制御する。サーバープロセッサー２００は、サーバー記憶部２１０が記憶する制御プログラム２１１を実行することで、サーバー通信制御部２０１、データベース処理部２０２、学習部１６０６、及び更新部１６０７として機能する。
　サーバー記憶部２１０は、サーバープロセッサー２００が実行するプログラムや、サーバープロセッサー２００により処理されるデータを記憶するメモリーを有する。サーバー記憶部２１０は、サーバープロセッサー２００が実行する制御プログラム２１１、冷蔵庫管理ＤＢ２１２、その他の各種データを記憶する。サーバー記憶部２１０は、プログラムやデータを不揮発的に記憶する不揮発性記憶領域を有する。サーバー記憶部２１０は、揮発性記憶領域を備え、サーバープロセッサー２００が実行するプログラムや処理対象のデータを一時的に記憶するワークエリアを構成してもよい。
　冷蔵庫管理ＤＢ２１２は、冷蔵庫１ごとに、学習データ管理ＤＢ１６１２を格納するデータベースである。冷蔵庫管理ＤＢ２１２が格納する一つの学習データ管理ＤＢ１６１２には、冷蔵庫ＩＤ１６１４、通信情報２１３、及び推定式情報１６１３が対応付く。
　通信情報２１３は、冷蔵庫１と通信するための情報であり、アドレス情報が例に挙げられる。
　サーバー通信部２１は、所定の通信規格に従った無線回路やアンテナ等の通信に係わる構成を備える通信インターフェイスであり、所定の通信規格に従って冷蔵庫１と通信する。
　上述したように、サーバープロセッサー２００は、サーバー通信制御部２０１、データベース処理部２０２、学習部１６０６、及び更新部１６０７として機能する。
　サーバー通信制御部２０１は、サーバー通信部２１を介して冷蔵庫１と通信する。
　データベース処理部２０２は、冷蔵庫管理ＤＢ２１２に対して、データの格納や、データの特定、データの読み出し等の処理を行う。
　実施の形態２の学習部１６０６は、冷蔵庫管理ＤＢ２１２が有する学習データ管理ＤＢ１６１２に格納された学習データＧＤに基づいて、冷蔵庫１の運転状況に対する冷却器１８４の着霜量を、実施の形態１と同様に学習する。
　実施の形態２の更新部１６０７は、冷蔵庫管理ＤＢ２１２が有する推定式情報１６１３が示す推定式の各係数を、実施の形態１と同様に、学習部１６０６の学習結果に基づいて更新する。
　［２－２．動作］
　次に、推定システム１０００の動作について説明する。
　まず、学習データＧＤの格納に係わる推定システム１０００の動作について説明する。
　図８は、推定システム１０００の動作を示すフローチャートである。図８において、フローチャートＦＣは冷蔵庫１の動作を示し、フローチャートＦＤはサーバー装置２の動作を示す。
　図８においては、図４に示すフローチャートと同じステップについては同一のステップ番号を付し、その詳細な説明を省略する。
　フローチャートＦＣで示すように、冷蔵庫１の学習データ生成部１６０３が学習データＧＤを生成すると、冷蔵庫通信制御部１６０８は、冷蔵庫記憶部１６１が記憶する冷蔵庫ＩＤ１６１４を付加して、生成された学習データＧＤをサーバー装置２に送信する（ステップＳＣ１）。
　フローチャートＦＤで示すように、サーバー装置２のサーバー通信制御部２０１は、冷蔵庫ＩＤ１６１４が付加された学習データＧＤを受信する（ステップＳＤ１）。
　データベース処理部２０２は、受信した学習データＧＤに付加された冷蔵庫ＩＤ１６１４に対応付く学習データ管理ＤＢ１６１２を冷蔵庫管理ＤＢ２１２から特定する（ステップＳＤ２）。
　次いで、データベース処理部２０２は、ステップＳＤ２で特定した学習データ管理ＤＢ１６１２に、受信した学習データＧＤを格納する（ステップＳＤ３）。
　次に、推定式の更新に係わる推定システム１０００の動作について説明する。
　図９は、推定システム１０００の動作を示すフローチャートである。図９においてフローチャートＦＥは冷蔵庫１の動作を示し、フローチャートＦＦはサーバー装置２の動作を示す。図９のフローチャートＦＦの動作は、一つの冷蔵庫１を対象にした動作である。
　サーバー装置２の学習部１６０６は、推定式の更新に係わる動作を開始する開始トリガーが発生したか否かを判定する（ステップＳＦ１）。この開始トリガーとしては、新たな学習データＧＤが学習データ管理ＤＢ１６１２に格納されたことや、現在日時が予め定められた更新日時（例えば、毎月１０日の１７時）に至ったこと等が例に挙げられる。
　学習部１６０６は、開始トリガーが発生していないと判定した場合（ステップＳＦ１：ＮＯ）、再度、ステップＳＦ１の判定を行う。
　一方、学習部１６０６は、開始トリガーが発生したと判定した場合（ステップＳＦ１：ＹＥＳ）、着霜量として推定された直近の除霜運転所要時間と、直近の除霜運転実行時間との差分が５分を上回るか否かを判定する（ステップＳＦ２）。ここで５分は、本開示の所定値に相当する。また、ここで、除霜運転実行時間は、実際の着霜量に相当する。
　サーバー記憶部２１０は、冷蔵庫１の推定部１６０４が推定した直近の冷却器１８４の着霜量を示す情報、すなわち、推定部１６０４が推定した直近の除霜運転所要時間を示す情報を記憶している。そして、ステップＳＦ２において、学習部１６０６は、サーバー記憶部２１０から、推定部１６０４が推定した直近の除霜運転所要時間を取得する。また、ステップＳＦ２において、学習部１６０６は、学習データ管理ＤＢ１６１２に格納された学習データＧＤのうち、最も新しく格納された学習データＧＤを特定し、特定した学習データＧＤが含む着霜量データＧＤ２が示す除霜運転実行時間を取得する。そして、学習部１６０６は、取得した２種の時間の差分を求め、求めた差分についてステップＳＦ２の判定を行う。
　学習部１６０６は、差分が５分以下であると判定した場合（ステップＳＦ２：ＮＯ）、処理をステップＳＦ１に戻し、ステップＳＦ１の判定を再度行う。
　一方、差分が５分を上回ると判定した場合（ステップＳＦ２：ＹＥＳ）、学習部１６０６は、処理対象の冷蔵庫１の冷蔵庫ＩＤ１６１５に対応する学習データ管理ＤＢ１６１２に格納された学習データＧＤに基づいて学習する（ステップＳＦ３）。これにより、学習部１６０６は、重回帰式を導出する。
　次いで、更新部１６０７は、ステップＳＦ３における学習部１６０６の学習結果に基づいて、処理対象の冷蔵庫１の冷蔵庫ＩＤ１６１４に対応付く推定式情報１６１３が示す推定式の各係数を更新する（ステップＳＦ４）。
　サーバー通信制御部２０１は、更新部１６０７が推定式の係数を更新すると、処理対象の冷蔵庫１の冷蔵庫ＩＤ１６１４に対応する通信情報２１３を、冷蔵庫管理ＤＢ２１２から特定する（ステップＳＦ５）。
　次いで、サーバー通信制御部２０１は、特定した通信情報２１３に基づいて、更新後の係数の推定式を示す推定式情報１６１３を冷蔵庫１に送信する（ステップＳＦ６）。
　フローチャートＦＥで示すように、冷蔵庫１の冷蔵庫通信制御部１６０８は、推定式情報１６１３をサーバー装置２から受信する（ステップＳＥ１）。
　冷蔵庫通信制御部１６０８は、冷蔵庫記憶部１６１が記憶する推定式情報１６１３を、受信した推定式情報１６１３に更新する（ステップＳＥ２）。
　［２－３．効果等］
　本実施の形態によれば、実施の形態１と同様の効果を奏する。
　（実施の形態３）
　次に、実施の形態３について説明する。実施の形態３の説明では、実施の形態２の各部の構成要素と同じ構成要素については、同一の符号を付して詳細な説明を適宜に省略する。
　［３－１．構成］
　図１０は、実施の形態３における推定システム１０００の構成を示す図である。
　図１０と図７と比較して明らかな通り、実施の形態３のセンサー部１７は、外気温度センサー１７４を備える。
　外気温度センサー１７４は、冷蔵庫１の外気温度を検出する。外気温度センサー１７４は、冷蔵庫１の正面等の所定の位置に設けられ、冷蔵庫１の外気温度として冷蔵庫１が設置される場所の温度を検出する。
　図１０で示すように、実施の形態３の冷蔵庫プロセッサー１６０は、第１取得部１６０１、第２取得部１６０２、推定部１６０４、除霜運転実行部１６０５、及び冷蔵庫通信制御部１６０８として機能する。
　本実施の形態の第１取得部１６０１は、冷蔵庫１が除霜運転を実行していない間、５分間隔で、複数種類の運転状況データＧＤ１を取得し、取得した複数種類の運転状況データＧＤ１を含むデータ群ＤＧを冷蔵庫通信制御部１６０８に出力する。なお、運転状況データＧＤ１を取得する周期は、５分間隔に限定されず、５分より短くてもよく長くてもよい。
　本実施の形態において、冷蔵庫１の運転状況は、冷蔵室１１の温度の状況を含む。本実施の形態の第１取得部１６０１は、冷蔵室温度センサー１７２１が出力する検出値に基づいて、前回に運転状況データＧＤ１を取得してからの冷蔵室１１の平均温度を求める。そして、第１取得部１６０１は、求めた冷蔵室１１の平均温度を示すデータを、冷蔵室１１の温度の状況を示す運転状況データＧＤ１として取得する。
　本実施の形態において、冷蔵庫１の運転状況は、野菜室１５の温度の状況を含む。本実施の形態の第１取得部１６０１は、野菜室温度センサー１７２５が出力する検出値に基づいて、前回に運転状況データＧＤ１を取得してからの野菜室１５の平均温度を求める。そして、第１取得部１６０１は、求めた野菜室１５の平均温度を示すデータを、野菜室１５の温度の状況を示す運転状況データＧＤ１として取得する。
　本実施の形態において、冷蔵庫１の運転状況は、冷蔵庫１が運転している場所の状況として、冷蔵庫１の外気温度の状況を含む。本実施の形態の第１取得部１６０１は、外気温度センサー１７４が出力する検出値に基づいて、前回に運転状況データＧＤ１を取得してからの冷蔵庫１の外気温度の平均温度を求める。そして、第１取得部１６０１は、求めた冷蔵庫１の外気温度の平均温度を示すデータを、冷蔵庫１の外気温度の状況を示す運転状況データＧＤ１として取得する。
　本実施の形態において、冷蔵庫１の運転状況は、ドア１１Ｃ及び引出１４Ａの開閉状況を含む。本実施の形態の第１取得部１６０１は、左ドア開閉センサー１７１１、右ドア開閉センサー１７１２、及び冷凍室開閉センサー１７１５が出力する検出値に基づいて、前回に運転状況データＧＤ１を取得してからのドア１１Ｃ及び引出１４Ａが開いていた時間（以下、ドア開時間という）を求める。そして、第１取得部１６０１は、求めたドア開時間を示すデータ（積算したドア開時間）を、ドア１１Ｃ及び引出１４Ａの開閉状況を示す運転状況データＧＤ１として取得する。
　本実施の形態において、冷蔵庫１の運転状況は、圧縮機１８１の回転状況を含む。本実施の形態において、第１取得部１６０１は、前回に運転状況データＧＤ１を取得してからの圧縮機１８１の回転数を求める。そして、第１取得部１６０１は、求めた圧縮機１８１の回転数を示すデータ（積算した圧縮機の回転数）を、圧縮機１８１の回転状況を示す運転状況データＧＤ１として取得する。
　本実施の形態の第２取得部１６０２は、着霜量を示す着霜量データＧＤ２を取得する。すなわち、第２取得部１６０２は、着霜量データＧＤ２として、除霜運転実行時間を示すデータを除霜運転実行部１６０５から取得する。なお、除霜運転実行部１６０５は、除霜運転を開始すると除霜運転実行時間のカウントを開始し、除霜運転を終了すると除霜運転実行時間のカウントを終了し、直近でカウントした除霜運転実行時間を示すデータを第２取得部１６０２に出力する。第２取得部１６０２は、着霜量データＧＤ２を取得すると、取得した着霜量データＧＤ２を冷蔵庫通信制御部１６０８に出力する。
　本実施の形態の推定部１６０４は、式（３）の推定式を用いて、冷却器１８４の着霜量を推定する。上述したように、着霜量と除霜運転所要時間とには、相関がある。よって、推定部１６０４は、式（３）の推定式を用いて、冷却器１８４の着霜量として、除霜運転所要時間を推定する。
　本実施の形態において、推定式情報１６１３が示す推定式は、次の式（３）である。
Figure JPOXMLDOC01-appb-M000003
　式（３）において、Ｐは、目的変数である。また、式（３）において、Ｑ１、Ｑ２、Ｑ３、Ｑ４、及びＱ５の各々は、説明変数である。また、式（３）において、Ａ、Ｂ、Ｃ、Ｄ、及びＥは、係数である。また、式（３）において、Ｆは、多項式の切片であり、本実施の形態では変数である。
　式（３）の目的変数：Ｐは、除霜運転所要時間を示す。推定部１６０４は、式（３）の説明変数の各々に、運転状況データＧＤ１が示す値を代入して演算を行うことで、冷却器１８４の着霜量として除霜運転所要時間を推定する。
　本実施の形態の冷蔵庫通信制御部１６０８は、第１取得部１６０１からデータ群ＤＧを受信すると、受信したデータ群ＤＧに冷蔵庫ＩＤ１６１５を付加して、受信したデータ群ＤＧをサーバー装置２に送信する。また、本実施の形態の冷蔵庫通信制御部１６０８は、第２取得部１６０２から着霜量データＧＤ２を受信すると、受信した着霜量データＧＤ２に冷蔵庫ＩＤ１６１５を付加して、受信した着霜量データＧＤ２をサーバー装置２に送信する。
　本実施の形態の冷蔵庫通信制御部１６０８は、実施の形態２と同様、冷蔵庫記憶部１６１が記憶する推定式情報１６１３を更新する。本実施の形態の冷蔵庫通信制御部１６０８は、所定のトリガーが発生した場合、更新用の推定式情報１６１３を要求する要求情報をサーバー装置２に送信する。冷蔵庫通信制御部１６０８は、当該要求情報の応答として、更新用の推定式情報１６１３を受信すると、冷蔵庫記憶部１６１が記憶する推定式情報１６１３を受信した更新用の推定式情報１６１３に更新する。なお、ここで、所定のトリガーとしては、除霜運転が終了したことが例に挙げられる。冷蔵庫通信制御部１６０８は、所定回数連続でタイムアウトが発生したか否かを判定する。所定回数とは、例えば５回である。ここで、タイムアウトとは所定時間内に要求情報の応答を受信できなかったことを指す。冷蔵庫通信制御部１６０８が、所定回数連続でタイムアウトが発生したと判定した場合、推定部１６０４は、除霜運転所要時間の推定を取り止める。
　図１０と図７とを比較して明らかな通り、実施の形態３のサーバープロセッサー２００は、サーバー通信制御部２０１、データベース処理部２０２、学習データ生成部１６０３、学習部１６０６、及び更新部１６０７として機能する。
　本実施の形態のサーバー通信制御部２０１は、冷蔵庫１からデータ群ＤＧを受信する。また、サーバー通信制御部２０１は、冷蔵庫１から着霜量データＧＤ２を受信する。また、サーバー通信制御部２０１は、冷蔵庫１から要求情報を受信し、受信した要求情報の応答として推定式情報１６１３を冷蔵庫１に送信する。なお、要求情報には冷蔵庫ＩＤ１６１５が付加されていて、サーバー通信制御部２０１は、要求情報に付加された冷蔵庫ＩＤ１６１５に紐付く推定式情報１６１３を冷蔵庫管理ＤＢ２１２から取得して、冷蔵庫１に送信する。
　本実施の形態のサーバー通信制御部２０１は、着霜量データＧＤ２を受信するたびに、前回に着霜量データＧＤ２を受信してから、データ欠損のないデータ群ＤＧをデータ群全体の８０％以上、冷蔵庫１から受信したか否かを判定する。データ欠損の有無は、ＣＲＣなどの所定のエラー検知手段を用いて判定される。データ欠損していないデータ群ＤＧを８０％以上受信したと判定した場合、サーバー通信制御部２０１は、データ群ＤＧを含む学習データＧＤを推定式の学習に使用可能な学習データＧＤであると判定する。データ欠損していないデータ群ＤＧを８０％以上受信していないと判定した場合、サーバー通信制御部２０１は、データ群ＤＧを含む学習データＧＤを推定式の学習に使用不可な学習データＧＤであると判定する。次いで、サーバー通信制御部２０１は、推定式の学習に使用可能な学習データＧＤが２０個以上あるか否かを判定する。推定式の学習に使用可能な学習データＧＤが２０個以上ないと判定した場合、サーバー通信制御部２０１は、推定式の学習に失敗したと判定する。次いで、サーバー通信制御部２０１は、学習に失敗したとの判定が連続して発生しているか否かを判定し、連続して発生していると判定した場合、推定式を用いた除霜運転を無効にする無効値を、冷蔵庫１に送信する。一方、サーバー通信制御部２０１は、学習に失敗したとの判定が連続して発生していないと判定した場合、直近に送信した推定式情報１６１３を冷蔵庫１に送信する。
　本実施の形態における学習データ生成部１６０３は、冷蔵庫１から受信されたデータ群ＤＧと着霜量データＧＤ２とに基づいて、学習データＧＤを生成する。学習データ生成部１６０３は、冷蔵庫１から着霜量データＧＤ２が受信された場合、前回に着霜量データＧＤ２が受信されてから今回に着霜量データＧＤ２が受信されるまでの間において受信されたデータ群ＤＧを含む学習データＧＤを生成する。学習データ生成部１６０３は、着霜量データＧＤ２に付加された冷蔵庫ＩＤ１６１５に基づいて、生成した学習データＧＤを学習データ管理ＤＢ１６１２に格納する。
　図１１は、実施の形態３における学習データＧＤの一例を示す図である。
　実施の形態３における学習データＧＤは、第２取得部１６０２が取得した着霜量データＧＤ２に対して、第１取得部１６０１が取得した複数種類の運転状況データＧＤ１を含むデータ群ＤＧが対応付く。
　本実施の形態の学習部１６０６は、学習データ管理ＤＢ１６１２に格納された学習データＧＤに基づいて、冷蔵庫１の運転状況に対する冷却器１８４の着霜量を学習する。すなわち、本実施の形態の学習部１６０６は、冷蔵室１１の温度の状況、野菜室１５の温度の状況、外気温度の状況、ドア１１Ｃの開閉状況、及び圧縮機１８１の回転状況に対して、冷却器１８４にどのくらいの量の霜が着くのかを学習データＧＤに基づいて学習する。
　本実施の形態の学習部１６０６は、学習データ管理ＤＢ１６１２に格納された学習データＧＤに基づいて、正則化項を含む線形回帰を行い、線形回帰式の各係数及び変数を学習する。学習部１６０６は、例えば、Ｒｉｄｇｅ回帰やＬａｓｓｏ回帰などによって学習する。本実施の形態における学習部１６０６が用いる線形回帰式は、次の式（４）で示される。
Figure JPOXMLDOC01-appb-M000004
　式（４）において、ｐは、目的変数である。また、式（４）において、ｑ１、ｑ２、ｑ３、ｑ４、及びｑ５の各々は、説明変数である。また、式（４）において、ａ、ｂ、ｃ、ｄ、及びｅは、係数である。また、式（４）において、ｆは、多項式の切片であり、本実施の形態では変数である。
　学習部１６０６は、学習データＧＤに含まれる各運転状況データＧＤ１が示す値を説明変数とし、学習データＧＤに含まれる着霜量データＧＤ２が示す除霜運転実行時間を目的変数として、学習データ管理ＤＢ１６１２に格納された学習データＧＤに対して線形回帰分析を行う。そして、学習部１６０６は、説明変数の値を引数とし、出力される値を目的変数の値とする線形回帰式を導出する。導出された線形回帰式は、本開示の学習結果に相当する。なお、学習部１６０６は、運転状況データＧＤ１が示す値を標準化し、標準化した値を説明変数として線形回帰分析を行ってもよい。
　本実施の形態の学習部１６０６は、学習を行うたびに、学習結果が異常か正常かを判定する。学習部１６０６は、学習において導出された線形回帰式の係数及び切片：ｆの各々について、値が適切であるかを判定する。学習において導出される線形回帰式の係数及び切片：ｆのうち少なくともいずれかには、例えば、値が正であるべきか負であるべきかが予め設定されている。学習部１６０６は、学習において導出された線形回帰式の係数及び切片：ｆの少なくともいずれかが、予め設定された正負と一致しない場合、学習結果が異常であると判定し、学習において導出された線形回帰式の係数及び切片：ｆの全てが、予め設定された正負と一致する場合、学習結果が正常であると判定する。
　本実施の形態のサーバー通信制御部２０１は、学習結果が異常であると学習部１６０６が判定した場合、推定式の学習に失敗したと判定する。次いで、サーバー通信制御部２０１は、学習結果に基づく学習失敗との判定が連続して発生しているか否かを判定し、連続して発生していると判定した場合、推定式を用いた除霜運転を無効にする無効値を、冷蔵庫１に送信する。一方、サーバー通信制御部２０１は、学習結果に基づく学習失敗との判定が連続して発生していないと判定した場合、直近に送信した推定式情報１６１３を冷蔵庫１に送信する。
　実施の形態３の更新部１６０７は、推定式情報１６１３が示す推定式の各係数及び切片：Ｆを、学習部１６０６が導出した線形回帰式の各係数及び切片：ｆに更新する。式（３）に示される推定式と、学習部１６０６により導出される線形回帰式とは、項の数が同じである。また、推定式の係数及び切片：Ｆと、学習部１６０６により導出される線形回帰式の係数及び切片：ｆとの対応関係は、予め適切に定められている。
　よって、例えば、更新部１６０７は、学習部１６０６が導出した線形回帰式の係数：ａを推定式の係数：Ａとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した線形回帰式の係数：ｂを推定式の係数：Ｂとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した線形回帰式の係数：ｃを推定式の係数：Ｃとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した線形回帰式の係数：ｄを推定式の係数：Ｄとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した線形回帰式の係数：ｅを推定式の係数：Ｅとして更新する。
　また、更新部１６０７は、学習部１６０６が導出した線形回帰式の切片：ｆを推定式の切片：Ｆとして更新する。
　［３－２．動作］
　次に、除霜運転に係わる冷蔵庫１の動作について説明する。
　図１２は、実施の形態３における冷蔵庫１の動作を示すフローチャートＦＡＡである。
　フローチャートＦＡＡで示すように、冷蔵庫通信制御部１６０８は、推定式情報１６１３をサーバー装置２から受信済か否かを判定する（ステップＳＡＡ１）。
　冷蔵庫通信制御部１６０８が、推定式情報１６１３をサーバー装置２から受信済でないと判定した場合（ステップＳＡＡ１：ＮＯ）、除霜運転実行部１６０５は、通常の除霜運転を実行すると判定する（ステップＳＡＡ２）。通常の除霜運転とは、予め設定された周期で除霜を行う運転である。
　ステップＳＡＡ１の説明に戻り、冷蔵庫通信制御部１６０８は、推定式情報１６１３をサーバー装置２から受信済であると判定した場合（ステップＳＡＡ１：ＹＥＳ）、サーバー装置２から無効値を受信していないか否かを判定する（ステップＳＡＡ３）。
　冷蔵庫通信制御部１６０８が、無効値を受信していると判定した場合（ステップＳＡＡ３：ＮＯ）、除霜運転実行部１６０５は、通常の除霜運転を実行すると判定する（ステップＳＡＡ２）。
　ステップＳＡＡ３の説明に戻り、無効値を受信していないと判定した場合（ステップＳＡＡ３：ＹＥＳ）、冷蔵庫通信制御部１６０８は、推定式の更新する際にタイムアウトが５回連続して発生したか否かを判定する（ステップＳＡＡ４）。
　冷蔵庫通信制御部１６０８が、推定式を更新する際にタイムアウトが５回連続して発生したと判定した場合（ステップＳＡＡ４：ＹＥＳ）、除霜運転実行部１６０５は、通常の除霜運転を実行する（ステップＳＡＡ２）。
　ステップＳＡＡ４の説明に戻り、冷蔵庫通信制御部１６０８が、推定式を更新する際にタイムアウトが５回連続して発生していないと判定した場合（ステップＳＡＡ４：ＮＯ）、除霜運転実行部１６０５は、直近の除霜運転実行時間と、直近で推定した除霜運転所要時間との差が１０分以下か否かを判定する（ステップＳＡＡ５）。なお、当該差と比較する時間は、本実施の形態では１０分を例示するが、あくまで一例であって１０分より短い時間でもよいし１０分より長い時間でもよい。
　除霜運転実行部１６０５は、差が１０分を上回ると判定した場合（ステップＳＡＡ５：ＮＯ）、通常の除霜運転を実行すると判定する（ステップＳＡＡ２）。
　一方、除霜運転実行部１６０５は、差が１０分以内であると判定した場合（ステップＳＡＡ５：ＹＥＳ）、推定式を用いた除霜運転を実行すると判定する（ステップＳＡＡ６）。
　次いで、第１取得部１６０１は、運転状況データＧＤ１を取得する（ステップＳＡＡ７）。
　次いで、推定部１６０４は、ステップＳＡＡ７で取得された運転状況データＧＤ１、及び推定式情報１６１３が示す推定式に基づいて、冷却器１８４の着霜量を推定する（ステップＳＡＡ８）。なお、上述したように、推定部１６０４は、冷却器１８４の着霜量として除霜運転所要時間を推定する。
　ステップＳＡＡ７について詳述する。
　推定部１６０４は、式（３）の説明変数：Ｑ１に、運転状況データＧＤ１が示す冷蔵室１１の平均温度を代入する。
　また、推定部１６０４は、式（３）の説明変数：Ｑ２に、運転状況データＧＤ１が示す野菜室１５の平均温度を代入する。
　また、推定部１６０４は、式（３）の説明変数：Ｑ３に、運転状況データＧＤ１が示す外気温の平均温度を代入する。
　また、推定部１６０４は、式（３）の説明変数：Ｑ４に、運転状況データＧＤ１が示す積算したドア開時間を代入する。
　また、推定部１６０４は、式（３）の説明変数：Ｑ５に、運転状況データＧＤ１が示す積算した圧縮機１８１の回転数を代入する。
　次いで、除霜運転実行部１６０５は、解除条件が成立したか否かを判定する（ステップＳＡＡ９）。解除条件は、推定式を用いた除霜運転を解除して通常の除霜運転を行う条件である。解除条件は、例えば、無効値を受信したこと、要求情報の送信時にタイムアウトが５回連続発生したことなどが例に挙げられる。
　除霜運転実行部１６０５は、解除条件が成立したと判定した場合（ステップＳＡＡ９：ＮＯ）、通常の除霜運転を実行すると判定する（ステップＳＡＡ２）。
　一方、除霜運転実行部１６０５は、解除条件が成立しないと判定した場合（ステップＳＡＡ９：ＮＯ）、ステップＳＡＡ８で推定した除霜運転所要時間が５０分以上であるか否かを判定する（ステップＳＡＡ１０）。なお、除霜運転所要時間に対して比較する時間は、本実施の形態では５０分を例示するが、あくまで一例であって５０分より短い時間でもよいし５０分より長い時間でもよい。
　除霜運転実行部１６０５は、ステップＳＡＡ８で推定した除霜運転所要時間が５０分を下回ると判定した場合（ステップＳＡＡ１０：ＮＯ）、冷蔵庫プロセッサー１６０は、再度、ステップＳＡＡ７以降の処理を行う。
　一方で、除霜運転実行部１６０５は、推定した除霜運転所要時間が５０分以上であると判定した場合（ステップＳＡＡ１０：ＹＥＳ）、除霜運転を開始する（ステップＳＡＡ１１）。
　次いで、除霜運転実行部１６０５は、冷却器温度センサー１７３の検出値に基づいて、冷却器１８４の温度が所定温度を上回ったか否かを判定する（ステップＳＡＡ１２）。
　除霜運転実行部１６０５は、冷却器１８４の温度が所定温度を上回ったと判定した場合（ステップＳＡＡ１２：ＹＥＳ）、除霜運転を終了する（ステップＳＡＡ１４）。
　除霜運転実行部１６０５は、冷却器１８４の温度が所定温度以下であると判定した場合（ステップＳＡＡ１２：ＮＯ）、除霜運転を開始してから最大除霜時間が経過したか否かを判定する（ステップＳＡＡ１３）。
　除霜運転実行部１６０５は、除霜運転を開始してから最大除霜時間が経過したと判定した場合（ステップＳＡＡ１３：ＹＥＳ）、除霜運転を終了する（ステップＳＡＡ１４）。
　一方、除霜運転実行部１６０５は、除霜運転を開始してから最大除霜時間が経過していないと判定した場合（ステップＳＡＡ１３：ＮＯ）、再度、ステップＳＡＡ１２の判定を行う。
　ステップＳＡＡ２の説明に戻り、除霜運転実行部１６０５は、通常の除霜運転を実行すると判定すると、前回に除霜運転を実行してから所定の周期が到来したか否かを判定する（ステップＳＡＡ１５）。ここで、所定の周期は、例えば、１３時間周期である。なお、前回に除霜運転を開始してから所定の周期が到来したか否かでもよく、前回に除霜運転を終了してから所定の周期が到来したか否かでもよい。
　除霜運転実行部１６０５は、所定の周期が到来していないと判定した場合（ステップＳＡＡ１５：ＮＯ）、再度、ステップＳＡＡ１５の判定を行う。
　一方、除霜運転実行部１６０５は、所定の周期が到来したと判定した場合（ステップＳＡＡ１５：ＹＥＳ）、除霜運転を開始する（ステップＳＡＡ１６）。
　次いで、除霜運転実行部１６０５は、処理をステップＳＡＡ１２に移行させ、冷却器温度センサー１７３の検出値に基づいて、冷却器１８４の温度が所定温度を上回ったか否かを判定する（ステップＳＡＡ１２）。
　除霜運転実行部１６０５は、冷却器１８４の温度が所定温度を上回ったと判定した場合（ステップＳＡＡ１２：ＹＥＳ）、除霜運転を終了する（ステップＳＡＡ１４）。
　除霜運転実行部１６０５は、冷却器１８４の温度が所定温度以下であると判定した場合（ステップＳＡＡ１２：ＮＯ）、除霜運転を開始してから最大除霜時間が経過したか否かを判定する（ステップＳＡＡ１３）。
　除霜運転実行部１６０５は、除霜運転を開始してから最大除霜時間が経過したと判定した場合（ステップＳＡＡ１３：ＹＥＳ）、除霜運転を終了する（ステップＳＡＡ１４）。
　一方、除霜運転実行部１６０５は、除霜運転を開始してから最大除霜時間が経過していないと判定した場合（ステップＳＡＡ１３：ＮＯ）、再度、ステップＳＡＡ１２の判定を行う。
　［３－３．効果等］
　本実施の形態によれば、実施の形態１と同様の効果を奏する。また、本実施の形態は、冷蔵庫１とサーバー装置２との間で通信不良が発生した場合に、長期間推定式が更新されず古い推定式による除霜運転が実行されることを防止できる。そのため、本実施の形態は、冷蔵庫１とサーバー装置２との間で通信不良が発生した場合、不必要に長い時間で除霜運転を実行したり、除霜運転の実行時間が足りなかったりといった事態の発生を抑制できる。また、学習結果が異常である場合、新たな推定式による除霜運転が実行されることを防止できる。そのため、本実施の形態は、サーバー装置２による学習結果が異常である場合、不必要に長い時間で除霜運転を実行したり除霜運転の実行時間が足りなかったりといった事態の発生を抑制できる。
　（他の実施の形態）
　以上のように、本出願において開示する例示として、実施の形態１、２、３を説明した。しかしながら、本開示における技術は、これに限定されず、変更、置き換え、付加、省略などを行った実施の形態にも適用できる。また、上記実施の形態で説明した各構成要素を組み合わせて、新たな実施の形態とすることも可能である。
　そこで、以下、他の実施の形態を例示する。
　実施の形態３では、式（３）の係数：Ｅと切片：Ｆが更新される構成である。他の実施の形態では、式（３）の係数：Ｅと切片：Ｆとが正の固定値、すなわち正の定数でもよい。これにより、式（３）の係数や切片が負になるなど、異常な推定式となることを抑制し、安定した推定式を得ることができる。
　実施の形態３では、ドア開時間を運転状況データＧＤ１として取得する構成である。他の実施の形態では、第１取得部１６０１が、引出１６Ａ及びドア１１Ｃが開いていた時間を求め、求めた時間を示すデータを運転状況データＧＤ１として取得してもよい。この場合、引出１６Ａもしくはドア１１Ｃが開いていた時間の少なくともいずれかについて重み付けを行ってもよい。なお、この構成の場合、当該運転状況データＧＤ１が示す値は、目的変数：Ｑ４に代入される。
　他の実施の形態では、学習部１６０６は、係数及び切片：ｆの少なくともいずれかについて重み付けを行って学習してもよい。
　他の実施の形態では、冷蔵庫１ごとに、着霜量と相関の高い運転状況を自動で選定し、選定した運転状況を示す運転状況データＧＤ１を用いて、推定式を学習し、学習された推定式によって除霜運転所要時間を推定する構成でもよい。
　他の実施の形態では、複数の冷蔵庫１を運転状況が近い冷蔵庫１をグルーピングし、グループごとに推定式を学習する構成でもよい。この構成の場合、１つのグループに属する冷蔵庫１の各々は、同じ推定式によって着霜量、すなわち除霜運転所要時間を推定する。
　他の実施の形態では、学習に用いられる学習データＧＤについて時期的制限（例えば、現在から過去３ヶ月の間）が設けられてもよい。
　他の実施の形態では、冷蔵庫通信制御部１６０８がヒーター１９１のＯＮ／ＯＦＦ情報をサーバー通信制御部２０１に送信する構成でもよい。この構成の場合、サーバー通信制御部２０１は、受信したヒーター１９１のＯＮ／ＯＦＦ情報に基づいて、着霜量データＧＤ２（除霜運転実行時間）を算出する。また、冷蔵庫通信制御部１６０８が冷蔵庫の状態変化に関する通知をサーバー通信制御部２０１に送信する構成でもよい。この構成の場合、サーバー通信制御部２０１は、受信した冷蔵庫の状態変化に関する通知に基づいて、着霜量データＧＤ２（除霜運転実行時間）を算出する。すなわち、サーバー装置２が冷蔵庫１から受信した情報に基づいて、着霜量データＧＤ２を取得する構成としてもよい。
　実施の形態２は、推定システム１０００において冷蔵庫プロセッサー１６０が推定部１６０４として機能する。他の実施の形態では、推定システム１０００においてサーバープロセッサー２００がさらに推定部１６０４として機能する。この他の実施の形態について、図１３及び図１４を参照して詳述する。
　図１３は、他の実施の形態における推定システム１０００の構成を示す図である。
　図１３と図７とを比較して明らかな通り、実施の形態２の推定システム１０００と比較して、他の実施の形態の推定システム１０００では、サーバープロセッサー２００が、推定部１６０４としてさらに機能する。
　次に、図１４を参照して他の実施の形態の推定システム１０００の動作について説明する。
　図１４は、他の実施の形態における推定システム１０００の動作を示すフローチャートである。図１４において、フローチャートＦＧは冷蔵庫１の動作を示し、フローチャートＦＨはサーバー装置２の動作を示す。
　図１４においては、図８に示すフローチャートと同じステップについては同一のステップ番号を付し、その詳細な説明を省略する。
　フローチャートＦＧで示すように、冷蔵庫通信制御部１６０８は、第１取得部１６０１が取得した運転状況データＧＤ１をサーバー装置２に送信する（ステップＳＧ１）。
　フローチャートＦＨで示すように、サーバー通信制御部２０１は、冷蔵庫１から運転状況データＧＤ１を受信したか否かを判定する（ステップＳＨ１）。
　サーバー通信制御部２０１は、運転状況データＧＤ１を受信していないと判定した場合（ステップＳＨ１：ＮＯ）、処理をステップＳＨ４に進める。
　一方、サーバー通信制御部２０１が、運転状況データＧＤ１を受信したと判定した場合（ステップＳＨ１：ＹＥＳ）、推定部１６０４は、サーバー通信制御部２０１で受信された運転状況データＧＤ１、及びサーバー記憶部２１０が記憶する推定式情報１６１３が示す推定式に基づいて、冷却器１８４の着霜量として除霜運転所要時間を推定する（ステップＳＨ２）。
　次いで、サーバー通信制御部２０１は、ステップＳＨ２で推定された着霜量を示すデータを、冷蔵庫１に送信する（ステップＳＨ３）。
　次いで、サーバー通信制御部２０１は、学習データＧＤを冷蔵庫１から受信したか否かを判定する（ステップＳＨ４）。
　サーバー通信制御部２０１は、学習データＧＤを冷蔵庫１から受信していないと判定した場合（ステップＳＨ４：ＮＯ）、処理をステップＳＨ１に戻す。
　一方、サーバー通信制御部２０１が、学習データＧＤを冷蔵庫１から受信したと判定した場合（ステップＳＨ４：ＹＥＳ）、サーバープロセッサー２００は、ステップＳＥ２の処理を行う。
　フローチャートＦＧで示すように、冷蔵庫通信制御部１６０８は、推定された着霜量を示すデータを、サーバー装置２から受信する（ステップＳＧ２）。
　次いで、除霜運転実行部１６０５は、ステップＳＧ２で受信されたデータが示す着霜量としての除霜運転所要時間が５０分以上であるか否かを判定する（ステップＳＧ３）。この５０分は、本開示の所定量に相当する。
　除霜運転実行部１６０５が、除霜運転所要時間が５０分以上であると判定した場合（ステップＳＧ３：ＹＥＳ）、除霜運転を開始する（ステップＳＡ５）。
　一方、除霜運転実行部１６０５が、除霜運転所要時間が５０分を下回ると判定した場合（ステップＳＧ３：ＮＯ）、冷蔵庫プロセッサー１６０は、処理をステップＳＡ１に戻す。
　なお、サーバープロセッサー２００は、ステップＳＨ２の処理の後、ステップＳＧ３の処理を冷蔵庫１の代わりに行ってもよい。この場合、サーバー装置２はステップＳＨ３の処理を実行せず、冷蔵庫１はステップＳＧ２、ＳＧ３の処理を実行しない。また、この場合、サーバー通信制御部２０１は、ステップＳＧ３で肯定判別した場合、除霜運転開始指示を処理対象の冷蔵庫１に送信し、ステップＳＨ４以降の処理を行う。また、この場合、冷蔵庫１は、除霜運転開始指示をサーバー装置２から受信すると、除霜運転を開始し、ステップＳＡ６以降の処理を行う。
　他の実施の形態の例示説明に戻り、上述した各実施の形態では、推定部１６０４が推定式を用いて冷却器１８４の着霜量を推定する構成である。他の実施の形態では、推定部１６０４が学習済みモデルを用いて冷却器１８４の着霜量を推定する。
　他の実施形態において推定に用いられる学習済みモデルは、学習データ管理ＤＢ１６１２に格納された学習データＧＤに基づいて機械学習したモデルである。この学習済みモデルは、運転状況データＧＤ１を入力とし、着霜量データＧＤ２を出力とするモデルである。学習済みモデルは、推定部１６０４が実行するプログラムとして構成される。学習済みモデルしては、例えばニューラルネットワークやサポートベクターマシン等のモデルが用いられる。学習済みモデルは、冷蔵庫プロセッサー１６０が推定部１６０４として機能する場合、冷蔵庫記憶部１６１に記憶され、サーバープロセッサー２００が推定部１６０４として機能する場合、サーバー記憶部２１０に記憶される。
　他の実施形態において、学習部１６０６は、ＡＩ（Artificial Intelligence）であり、ソフトウェア、又はハードウェアで構成される。学習部１６０６は、学習データ管理ＤＢ１６１２に格納された学習データＧＤを用いて機械学習を行い、学習済みモデルを更新する。すなわち、学習部１６０６は、学習データＧＤを用いた機械学習を実行し、学習結果が反映するように学習済みモデルを更新する。学習部１６０６が実行する機械学習は、学習データＧＤを用いるため、いわゆる教師あり学習として実現できる。学習データＧＤにおいては、着霜量データＧＤ２をラベルとして機械学習することで、学習部１６０６は、学習データＧＤから、入力の運転状況データＧＤ１が示す冷蔵庫１の運転状況に対応する着霜量データＧＤ２が、どのような着霜量を示す着霜量データＧＤ２であるかを学習する。学習部１６０６は、例えば、所定時間が経過したタイミングや、学習データ管理ＤＢ１６１２に新たな学習データＧＤが格納されたタイミング等で、学習済みモデルを更新する。なお、機械学習に用いられた学習データＧＤは、学習データ管理ＤＢ１６１２から削除されてもよい。なお、この構成において、更新後の学習済みモデルは、本開示の学習結果に相当する。
　他の実施の形態において、推定部１６０４は、第１取得部１６０１が取得した運転状況データＧＤ１を学習済みモデルに入力し、学習済みモデルに着霜量データＧＤ２を出力させる。推定部１６０４は、学習済みモデルが出力した着霜量データＧＤ２が示す冷却器１８４の着霜量としての除霜運転所要時間を、推定結果とする。
　他の実施の形態の例示説明に戻り、上述した各実施の形態では、推定部１６０４が冷却器１８４の着霜量として除霜運転所要時間を推定する構成である場合を例示した。しかしながら、冷却器１８４の着霜量として推定される要素は、時間に限定されず、例えば霜の重さ等の他の要素でもよい。
　冷却器１８４の着霜量として時間以外の他の要素を推定部１６０４が推定する場合、学習データＧＤに含まれる着霜量データＧＤ２は、冷却器１８４の着霜量として、時間以外の他の要素を示す。また、この場合、学習部１６０６は、冷蔵庫１の運転状況に対して、時間以外の他の要素がどのくらいであるかを学習する。また、この場合、本開示の所定量及び所定値の単位は、時間以外の他の要素の単位を示す。また、この場合、推定式の目的変数：Ｙは、時間以外の他の要素を示す。
　例えば、冷却器１８４の着霜量として霜の重さを推定部１６０４が推定する場合、学習データＧＤに含まれる着霜量データＧＤ２は、冷却器１８４の着霜量として、冷却器１８４に着いた霜の重さを示す。また、この場合、学習部１６０６は、冷蔵庫１の運転状況に対する冷却器１８４に着いた霜の重さを学習する。また、この場合、本開示の所定量及び所定値は、単位が時間でなく重さを示す。また、この場合、推定式の目的変数：Ｙは、冷却器１８４に着いた霜の重さを示す。
　上述した実施の形態１、２では、第１取得部１６０１が運転状況データＧＤ１を取得するタイミングが、前回に運転状況データＧＤ１を取得してから１分が経過したタイミングである。しかしながら、第１取得部１６０１が運転状況データＧＤ１を取得するタイミングは、１分ごとに限定されず、１分より短い周期でもよいし、１分より長い周期でもよい。
　上述した実施の形態１、２では、ステップＳＡ４、ＳＧ３で除霜運転所要時間が５０分であるか否かを判定する構成である。しかしながら、除霜運転所要時間に対して比較する時間は、５０分に限定されず、５０分より短い時間でもよいし、５０分より長い時間でもよい。
　上述した実施の形態１、２では、ステップＳＢ２、ＳＦ２において、除霜運転所要時間と除霜運転実行時間との差分が５分であるか否かを判定する構成である。しかしながら、この差分に対して比較する時間は、５分に限定されず、５分より短い時間でもよいし、５分より長い時間でもよい。
　上述した各実施の形態では、主箱体１０に形成される収容室の種類が、冷蔵室１１、製氷室１２、新鮮凍結室１３、冷凍室１４、及び野菜室１５である場合を例示した。しかしながら、主箱体１０に形成される形成される収容室の種類は、冷蔵室１１、製氷室１２、新鮮凍結室１３、冷凍室１４、及び野菜室１５に限定されず、少なくてもよいし、さらに別の種類の収容室が形成されてもよい。また、冷蔵室１１の前面の開口部に設けられるドアの数は、１つでもよい。
　学習データＧＤに含まれる運転状況データＧＤ１の種類は、上述した種類に限定されない。
　例えば、学習データＧＤには、製氷室１２、新鮮凍結室１３、冷凍室１４、及び野菜室１５の少なくともいずれかの収容室の平均温度を示す運転状況データＧＤ１が含まれていてもよい。この場合、第１取得部１６０１は、冷蔵室１１の平均温度と同様に、当該収容室の平均温度を示す運転状況データＧＤ１を取得する。
　また、例えば、学習データＧＤには、冷蔵室１１、製氷室１２、新鮮凍結室１３、冷凍室１４、及び野菜室１５の少なくともいずれかの収容室の温度の分散を示す運転状況データＧＤ１が含まれていてもよい。この場合、第１取得部１６０１は、当該分散を求め、求めた分散を示す運転状況データＧＤ１を取得する。冷却器１８４の着霜量の推定に際して、収容室の温度の分散を示す運転状況データＧＤ１を用いることで、推定部１６０４は、より精度良く冷却器１８４の着霜量を推定できる。
　また、例えば、学習データＧＤには、引出１６Ａの少なくともいずれかの開閉回数を示す運転状況データＧＤ１が含まれていてもよい。この場合、第１取得部１６０１は、左ドア１１Ａ及び右ドア１１Ｂと同様に、対応する開閉センサー１７１の検出値に基づいて、引出１６Ａの開閉回数を示す運転状況データＧＤ１を取得する。
　また、例えば、学習データＧＤには、冷却ファン１８５の電圧の平均及び／又は分散を示す運転状況データＧＤ１が含まれていてもよい。この場合、第１取得部１６０１は、冷却ファン１８５の電圧に基づいて、冷却ファン１８５の電圧の平均及び／又は分散を求め、求めた冷却ファン１８５の電圧の平均及び／又は分散を示す運転状況データＧＤ１を取得する。
　また、例えば、学習データＧＤには、圧縮機１８１の回転数の分散を示す運転状況データＧＤ１が含まれていてもよい。この場合、第１取得部１６０１は、圧縮機１８１の回転数の分散を求め、求めた圧縮機１８１の回転数の分散を示す運転状況データＧＤ１を取得する。
　また、例えば、学習データＧＤには、圧縮機１８１の消費電力の平均及び／又は分散を示す運転状況データＧＤ１が含まれていてもよい。この場合、第１取得部１６０１は、圧縮機１８１の回転数に基づいて、圧縮機１８１の消費電力の平均及び／又は分散を示す運転状況データＧＤ１を取得する。
　また、例えば、学習データＧＤには、ヒーター１９１の消費電力を示す運転状況データＧＤ１が含まれてもよい。この場合、第１取得部１６０１は、通電のオンオフを示すデューティー比から、ヒーター１９１の消費電力を求める。
　また、例えば、学習データＧＤには、冷蔵庫プロセッサー１６０が実装される基盤の消費電力を示す運転状況データＧＤ１が含まれてもよい。この場合、第１取得部１６０１は、圧縮機１８１の運転率（最大回転数に対する回転数）から、当該基板の消費電力を求める。
　また、例えば、学習データＧＤには、ダンパー１８６が開いていた時間を示す運転状況データＧＤ１が含まれてもよい。この場合、第１取得部１６０１は、ダンパー１８６を開く信号が出力されていた時間から、ダンパー１８６が開いていた時間を求める。
　また、例えば、学習データＧＤには、冷蔵庫１の周辺温度の平均及び分散を示す運転状況データＧＤ１が含まれてもよい。この場合、第１取得部１６０１は、冷蔵庫１に設置された外気の温度を検出するセンサーの検出値に基づいて、冷蔵庫１の周辺温度の平均及び分散を求める。
　また、例えば、学習データＧＤには、冷蔵庫１の周辺湿度の平均及び分散を示す運転状況データＧＤ１が含まれてもよい。この場合、第１取得部１６０１は、冷蔵庫１に設置された外気の湿度を検出するセンサーの検出値に基づいて、冷蔵庫１の周辺湿度の平均及び分散を求める。
　また、例えば、学習データＧＤには、左ドア１１Ａ、右ドア１１Ｂ、及び引出１２Ａ、１３Ａ、１４Ａ、１５Ａの開閉回数だけでなく開時間を示す運転状況データＧＤ１が含まれてもよい。この場合、第１取得部１６０１は、開閉センサー１７１の検出値に基づいて開時間を求める。
　冷蔵庫制御部１６及びサーバー制御部２０の機能は、複数のプロセッサー、又は半導体チップにより実現してもよい。
　上述した実施の形態２及び他の実施の形態では、推定システム１０００において冷蔵庫プロセッサー１６０が学習データ生成部１６０３として機能する場合を例示した。しかしながら、サーバープロセッサー２００がさらに学習データ生成部１６０３として機能してもよい。
　図２、図７、及び図１３に示した各部は一例であって、具体的な実装形態は特に限定されない。つまり、必ずしも各部に個別に対応するハードウェアが実装される必要はなく、一つのプロセッサーがプログラムを実行することで各部の機能を実現する構成とすることも勿論可能である。また、上述した実施の形態においてソフトウェアで実現される機能の一部をハードウェアとしてもよく、或いは、ハードウェアで実現される機能の一部をソフトウェアで実現してもよい。その他、冷蔵庫１及びサーバー装置２の他の各部の具体的な細部構成についても、本開示の趣旨を逸脱しない範囲で任意に変更可能である。このことは、図１０についても同様である。
　図４、図５、図８、図９、及び図１４に示す動作のステップ単位は、冷蔵庫１及びサーバー装置２の動作の理解を容易にするために、主な処理内容に応じて分割したものであり、処理単位の分割の仕方や名称によって、動作が限定されることはない。処理内容に応じて、さらに多くのステップ単位に分割してもよい。また、１つのステップ単位がさらに多くの処理を含むように分割してもよい。また、そのステップの順番は、本開示の趣旨に支障のない範囲で適宜に入れ替えてもよい。このことは、図１２についても同様である。
　なお、上述の実施の形態は、本開示における技術を例示するためのものであるから、特許請求の範囲またはその均等の範囲において種々の変更、置き換え、付加、省略などを行うことができる。
　本開示は、冷却器に着いた霜の量を推定する冷蔵庫、冷蔵庫の制御方法、及びプログラムに適用可能である。
　１　冷蔵庫
　２　サーバー装置
　１６　冷蔵庫制御部
　１６０　冷蔵庫プロセッサー（プロセッサー）
　１８４　冷却器
　１６０１　第１取得部
　１６０２　第２取得部
　１６０３　学習データ生成部
　１６０４　推定部
　１６０５　除霜運転実行部
　１６０６　学習部
　１６０７　更新部
　１６１１　制御プログラム（プログラム）
　ＧＤ　学習データ
　ＧＤ１　運転状況データ
　ＧＤ２　着霜量データ

Claims (8)

  1. 　冷却器により庫内を冷却する冷蔵庫であって、
    　前記冷蔵庫の運転状況を示す運転状況データを取得する第１取得部と、
    　前記冷却器に着いた霜の量である着霜量を示す着霜量データを取得する第２取得部と、
    　前記第１取得部が取得した前記運転状況データと、前記第２取得部が取得した前記着霜量データとを含む学習データに基づいて、前記冷蔵庫の運転状況に対する前記着霜量を学習する学習部と、
    　前記学習部の学習結果及び前記第１取得部が取得した前記運転状況データに基づいて、前記着霜量を推定する推定部と、を備える、
    　冷蔵庫。
  2. 　前記推定部が推定した前記着霜量に基づいて、前記冷却器に着いた霜を溶かす除霜運転を開始する除霜運転実行部を備える、
    　請求項１に記載の冷蔵庫。
  3. 　前記除霜運転実行部は、
    　前記推定部が推定した前記着霜量が所定量以上である場合、前記除霜運転を開始し、
    　前記推定部が推定した前記着霜量が前記所定量を下回る場合、前記除霜運転を開始しない、
    　請求項２に記載の冷蔵庫。
  4. 　前記推定部は、
    　前記学習部の学習結果が反映された推定式、及び前記第１取得部が取得した前記運転状況データに基づいて、前記着霜量を推定する、
    　請求項１から３のいずれか一項に記載の冷蔵庫。
  5. 　前記学習部の学習結果に基づいて前記推定式を更新する更新部を備える、
    　請求項４に記載の冷蔵庫。
  6. 　前記更新部は、
    　前記推定部が推定した前記着霜量と、実際の前記着霜量との差分が所定値を上回る場合、前記推定式を更新し、
    　前記推定部が推定した前記着霜量と、実際の前記着霜量との差分が前記所定値以下である場合、前記推定式を更新しない、
    　請求項５に記載の冷蔵庫。
  7. 　冷却器により庫内を冷却する冷蔵庫の制御方法であって、
    　前記冷蔵庫の運転状況を示す運転状況データを取得するステップと、
    　前記冷却器に着いた霜の量である着霜量を示す着霜量データを取得するステップと、
    　取得した前記運転状況データ及び前記着霜量データを含む学習データに基づいて、前記冷蔵庫の運転状況に対する前記着霜量を学習するステップと、
    　学習結果及び取得した前記運転状況データに基づいて、前記着霜量を推定するステップと、を含む、
    　冷蔵庫の制御方法。
  8. 　冷却器により庫内を冷却する冷蔵庫のプロセッサーを、
    　前記冷蔵庫の運転状況を示す運転状況データを取得する第１取得部と、
    　前記冷却器に着いた霜の量である着霜量を示す着霜量データを取得する第２取得部と、
    　前記第１取得部が取得した前記運転状況データと、前記第２取得部が取得した前記着霜量データとを含む学習データに基づいて、前記冷蔵庫の運転状況に対する前記着霜量を学習する学習部と、
    　前記学習部の学習結果及び前記第１取得部が取得した前記運転状況データに基づいて、前記着霜量を推定する推定部として機能させる、
    　プログラム。
PCT/JP2022/022072 2021-05-31 2022-05-31 冷蔵庫、冷蔵庫の制御方法、及びプログラム WO2022255344A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023525846A JPWO2022255344A1 (ja) 2021-05-31 2022-05-31
CN202280038524.2A CN117441083A (zh) 2021-05-31 2022-05-31 冷藏库、冷藏库控制方法和程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021091536 2021-05-31
JP2021-091536 2021-05-31

Publications (1)

Publication Number Publication Date
WO2022255344A1 true WO2022255344A1 (ja) 2022-12-08

Family

ID=84323399

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/022072 WO2022255344A1 (ja) 2021-05-31 2022-05-31 冷蔵庫、冷蔵庫の制御方法、及びプログラム

Country Status (3)

Country Link
JP (1) JPWO2022255344A1 (ja)
CN (1) CN117441083A (ja)
WO (1) WO2022255344A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023233776A1 (ja) * 2022-05-31 2023-12-07 パナソニックＩｐマネジメント株式会社 冷蔵庫制御システム、及び冷蔵庫制御方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07117268B2 (ja) * 1989-06-05 1995-12-18 ダイキン工業株式会社 除霜運転制御装置
JPH08159640A (ja) * 1994-11-30 1996-06-21 Samsung Electronics Co Ltd Ｇａ−ファジー理論を用いた冷凍−冷蔵庫の除霜方法及び装置
JP2810607B2 (ja) * 1993-03-19 1998-10-15 三菱電機株式会社 除霜制御装置
JP2000081272A (ja) * 1992-03-24 2000-03-21 Fuji Electric Co Ltd ショ―ケ―スの除霜制御装置
JP2003172567A (ja) * 2001-04-24 2003-06-20 Fuji Electric Co Ltd 故障診断方法、故障診断装置、店舗内機器管理システム、及び記録媒体
JP2022097876A (ja) * 2020-12-21 2022-07-01 東芝ライフスタイル株式会社 冷蔵庫システム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07117268B2 (ja) * 1989-06-05 1995-12-18 ダイキン工業株式会社 除霜運転制御装置
JP2000081272A (ja) * 1992-03-24 2000-03-21 Fuji Electric Co Ltd ショ―ケ―スの除霜制御装置
JP2810607B2 (ja) * 1993-03-19 1998-10-15 三菱電機株式会社 除霜制御装置
JPH08159640A (ja) * 1994-11-30 1996-06-21 Samsung Electronics Co Ltd Ｇａ−ファジー理論を用いた冷凍−冷蔵庫の除霜方法及び装置
JP2003172567A (ja) * 2001-04-24 2003-06-20 Fuji Electric Co Ltd 故障診断方法、故障診断装置、店舗内機器管理システム、及び記録媒体
JP2022097876A (ja) * 2020-12-21 2022-07-01 東芝ライフスタイル株式会社 冷蔵庫システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023233776A1 (ja) * 2022-05-31 2023-12-07 パナソニックＩｐマネジメント株式会社 冷蔵庫制御システム、及び冷蔵庫制御方法

Also Published As

Publication number Publication date
JPWO2022255344A1 (ja) 2022-12-08
CN117441083A (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
JP3861294B2 (ja) 冷凍装置
US6691524B2 (en) Methods and apparatus for controlling compressor speed
KR100351210B1 (ko) 냉각장치및그작동방법
WO2022255344A1 (ja) 冷蔵庫、冷蔵庫の制御方法、及びプログラム
JP2009210161A (ja) 機器制御システム、制御装置及び制御プログラム
US20130061618A1 (en) Adaptive controller for a refrigeration appliance
WO2022255343A1 (ja) 推定システム、推定システムの制御方法、及びサーバー装置
US10767889B2 (en) Central air conditioning system
JPH10267509A (ja) 機器の運転状態管理装置
JP2019203652A (ja) 店舗空調システム
JP3604905B2 (ja) 故障判定システム
EP1074803A2 (en) Refrigerator with blast chiller and quick freezer
US7937959B2 (en) Control system, integrated control apparatus, and control program
JP4784588B2 (ja) 冷却装置
US20220099357A1 (en) Refrigerated device with door open sensor fault identification
JP2009236347A (ja) 冷却貯蔵庫
JPH1163744A (ja) ショーケースの除霜制御方法
JPH11161318A (ja) 機器の運転状態管理装置
WO2022054278A1 (ja) 推論装置および学習装置
JP2007333318A (ja) 冷却庫
WO2023233777A1 (ja) 冷蔵庫制御システム、及び冷蔵庫制御方法
JP7456844B2 (ja) 情報処理システム
WO2023233776A1 (ja) 冷蔵庫制御システム、及び冷蔵庫制御方法
JPWO2012127745A1 (ja) 冷却システムの制御装置
JP2009236348A (ja) 冷却貯蔵庫

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: 22816090

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023525846

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 202280038524.2

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22816090

Country of ref document: EP

Kind code of ref document: A1