特開 2023-149002 学習モデル生成装置、故障診断システム、学習モデル生成方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023149002

(43)【公開日】2023-10-13

(54)【発明の名称】学習モデル生成装置、故障診断システム、学習モデル生成方法及びプログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20231005BHJP

【ＦＩ】

G05B23/02 302S

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2022057313

(22)【出願日】2022-03-30

(71)【出願人】

【識別番号】000002853

【氏名又は名称】ダイキン工業株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】長谷川 高志

【テーマコード（参考）】

3C223

【Ｆターム（参考）】

3C223AA21

3C223FF16

3C223FF22

3C223FF45

3C223GG03

3C223HH02

(57)【要約】

【課題】学習モデルに関する情報の管理を容易にする。
【解決手段】学習モデル生成装置は、学習モデルまたは前記学習モデルの付帯情報を格納するための記憶領域を有する記憶部と、制御部とを有する学習モデル生成装置であって、制御部は、学習モデルを生成し、学習モデルの生成に失敗したとき、記憶領域に付帯情報を格納する。
【選択図】図３

【特許請求の範囲】

【請求項1】

学習モデル又は前記学習モデルの付帯情報を格納するための記憶領域を有する記憶部と、制御部とを有する学習モデル生成装置であって、
前記制御部は、
前記学習モデルを生成し、
前記学習モデルの生成に失敗したとき、前記記憶領域に前記付帯情報を格納する、
学習モデル生成装置。

【請求項2】

前記制御部は、
前記学習モデルの生成に失敗したとき、学習途中の前記学習モデルを前記記憶領域に格納する、
請求項１に記載の学習モデル生成装置。

【請求項3】

前記付帯情報は、前記学習モデルの生成に失敗した要因に関する情報を含む、
請求項１に記載の学習モデル生成装置。

【請求項4】

前記要因は、学習データの不足又は前記学習モデルの精度不足を含む、
請求項３に記載の学習モデル生成装置。

【請求項5】

前記学習モデルは、機器の故障を診断する診断モデルであり、
前記要因は、前記機器が診断ロジックの対象外であることを含む、
請求項３に記載の学習モデル生成装置。

【請求項6】

前記付帯情報は、学習条件に関する情報、前記学習モデルの出力値の有効な範囲に関する情報、前記学習モデルを代替するモデルのアクセス先を示す情報、又は前記学習モデルを利用するユーザに関する情報を含む、
請求項１に記載の学習モデル生成装置。

【請求項7】

前記制御部は、
前記学習モデルの生成に失敗した後、前記学習モデルを再度生成し、
前記学習モデルの生成に成功したとき、前記記憶領域に格納されている前記学習モデルを生成された前記学習モデルに置き換える、
請求項１に記載の学習モデル生成装置。

【請求項8】

機器の故障を診断する診断モデルを格納するための記憶領域を有する記憶部と、制御部と有する学習モデル生成装置を含む故障診断システムであって、
前記制御部は、
前記診断モデルを生成し、
前記診断モデルの生成に失敗したとき、前記記憶領域に付帯情報を格納する、
故障診断システム。

【請求項9】

前記制御部は、
物件に設置された機器ごとの運転データを取得し、
前記運転データを用いて前記診断モデルを学習する、
請求項８に記載の故障診断システム。

【請求項10】

前記制御部は、
前記機器の故障診断を要求されたとき、当該機器に対応する前記診断モデルを前記記憶領域から取得する、
請求項８に記載の故障診断システム。

【請求項11】

前記制御部は、
前記診断モデルを取得した前記記憶領域に前記付帯情報が格納されているとき、前記付帯情報を出力する、
請求項１０に記載の故障診断システム。

【請求項12】

前記制御部は、
前記診断モデルを取得した前記記憶領域に前記付帯情報が格納されていないとき、前記診断モデルによる診断結果を出力する、
請求項１０に記載の故障診断システム。

【請求項13】

学習モデル生成装置が有する制御部が、
学習モデルを生成する手順と、
前記学習モデルの生成に失敗したとき、前記学習モデル又は前記学習モデルの付帯情報を格納するための記憶領域に前記付帯情報を格納する手順と、
を実行する学習モデル生成方法。

【請求項14】

学習モデル生成装置が有する制御部に、
学習モデルを生成する手順と、
前記学習モデルの生成に失敗したとき、前記学習モデル又は前記学習モデルの付帯情報を格納するための記憶領域に前記付帯情報を格納する手順と、
を実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、学習モデル生成装置、故障診断システム、学習モデル生成方法及びプログラムに関する。

【背景技術】

【0002】

機器の運転データと予め計算されたパラメータとを用いて、機器の異常を判定する故障診断システムがある。故障診断システムにおいて、故障診断に用いるパラメータは、機種ごとではなく、個々の機器ごとにチューニングされたパラメータを用いる場合がある。このようなモデル及びシステム構成は「マルチモデル」と呼ばれる。

【0003】

マルチモデルを用いた故障診断システムでは、様々な理由でモデルの生成に失敗する場合がある。この場合、機器に対する診断を要求された際に、その機器に対応するモデルが存在しないことが判明する。特許文献１には、モデル学習に失敗したとき、モデル学習の失敗原因を表すエラー情報をデータベースに記憶する発明が開示されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２００７－１７０６４４号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

従来技術では、モデル学習の失敗原因を記憶したデータベースの管理が煩雑であるという課題がある。例えば、診断を要求された機器に対応するモデルが存在しない場合、改めてデータベースにアクセスし、その機器に関するエラー情報を検索する必要がある。また、例えば、モデルとデータベースとが別々に管理されるため、モデルの有無とモデル学習の失敗原因との同期を取る必要がある。

【0006】

本開示は、学習モデルに関する情報の管理を容易にする。

【課題を解決するための手段】

【0007】

本開示の第１の態様に係る学習モデル生成装置は、学習モデル又は前記学習モデルの付帯情報を格納するための記憶領域を有する記憶部と、制御部とを有する学習モデル生成装置であって、前記制御部は、前記学習モデルを生成し、前記学習モデルの生成に失敗したとき、前記記憶領域に前記付帯情報を格納する。

【0008】

本開示の第１の態様によれば、学習モデルに関する情報の管理が容易になる。

【0009】

本開示の第２の態様は、第１の態様に係る学習モデル生成装置であって、前記制御部は、前記学習モデルの生成に失敗したとき、学習途中の前記学習モデルを前記記憶領域に格納する。

【0010】

本開示の第３の態様は、第１の態様に係る学習モデル生成装置であって、前記付帯情報は、前記学習モデルの生成に失敗した要因に関する情報を含む。

【0011】

本開示の第４の態様は、第３態様に係る学習モデル生成装置であって、前記要因は、学習データの不足又は前記学習モデルの精度不足を含む。

【0012】

本開示の第５の態様は、第３態様に係る学習モデル生成装置であって、前記学習モデルは、機器の故障を診断する診断モデルであり、前記要因は、前記機器が診断ロジックの対象外であることを含む。

【0013】

本開示の第６の態様は、第１の態様に係る学習モデル生成装置であって、前記付帯情報は、学習条件に関する情報、前記学習モデルの出力値の有効な範囲に関する情報、前記学習モデルを代替するモデルのアクセス先を示す情報、又は前記学習モデルを利用するユーザに関する情報を含む。

【0014】

本開示の第７の態様は、第１の態様に係る学習モデル生成装置であって、前記制御部は、前記学習モデルの生成に失敗した後、前記学習モデルを再度生成し、前記学習モデルの生成に成功したとき、進捗情報又はエラー情報を保持する前記学習モデルを前記記憶領域に格納する。

【0015】

本開示の第８の態様に係る故障診断システムは、機器の故障を診断する診断モデルを格納するための記憶領域を有する記憶部と、制御部と有する学習モデル生成装置を含む故障診断システムであって、前記制御部は、前記診断モデルを生成し、前記診断モデルの生成に失敗したとき、前記記憶領域に付帯情報を格納する。

【0016】

本開示の第８の態様によれば、機器の故障を診断する故障診断システムにおいて、診断モデルに関する情報の管理が容易になる。

【0017】

本開示の第９の態様は、第８の態様に係る故障診断システムであって、前記制御部は、物件に設置された機器ごとの運転データを取得し、前記運転データを用いて前記診断モデルを学習する。

【0018】

本開示の第１０の態様は、第８の態様に係る故障診断システムであって、前記制御部は、前記機器の故障診断を要求されたとき、当該機器に対応する前記診断モデルを前記記憶領域から取得する。

【0019】

本開示の第１１の態様は、第１１の態様に係る故障診断システムであって、前記制御部は、前記診断モデルを取得した前記記憶領域に前記付帯情報が格納されているとき、前記付帯情報を出力する。

【0020】

本開示の第１２の態様は、第１０の態様に係る故障診断システムであって、前記制御部は、前記診断モデルを取得した前記記憶領域に前記付帯情報が格納されていないとき、前記診断モデルによる診断結果を出力する。

【0021】

本開示の第１３の態様に係る学習モデル生成方法は、学習モデル生成装置が有する制御部が、前記学習モデルを生成する手順と、前記学習モデルの生成に失敗したとき、前記学習モデル又は前記学習モデルの付帯情報を格納するための記憶領域に前記付帯情報を格納する手順と、を実行する。

【0022】

本開示の第１４の態様に係るプログラムは、学習モデル生成装置が有する制御部に、前記学習モデルを生成する手順と、前記学習モデルの生成に失敗したとき、前記学習モデル又は前記学習モデルの付帯情報を格納するための記憶領域に前記付帯情報を格納する手順と、を実行させる。

【図面の簡単な説明】

【0023】

【図1】故障診断システムの全体構成の一例を示すブロック図である。

【図2】診断装置のハードウェア構成の一例を示すブロック図である。

【図3】診断装置の機能構成の一例を示すブロック図である。

【図4】モデル生成処理の処理手順を示すフローチャートである。

【図5】故障診断処理の処理手順を示すフローチャートである。

【図6】学習モデル生成装置の機能構成の一例を示すブロック図である。

【発明を実施するための形態】

【0024】

以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。

【0025】

［実施形態］
＜システム構成＞
図１は、本実施形態における故障診断システムのシステム構成の一例を示すブロック図である。図１に示すように、故障診断システム１は、１台以上の機器１０、診断装置２０及びユーザ端末３０を含む。

【0026】

以下、機器１０が複数台ある場合に、個々を区別するときには、「機器１０－１」、「機器１０－２」等と枝番を用いて記載する。

【0027】

機器１０は、故障診断システム１の診断対象として登録されている機器である。機器１０の一例は、空調機である。機器１０には、診断に用いる運転データを取得するための各種のセンサが設置されている。各センサは、機器１０の運転中、定期的に運転データを生成する。機器１０が生成する運転データは、診断装置２０が実行する診断ロジックに応じて設定される。

【0028】

診断装置２０は、ユーザ端末３０からの要求に応じて、機器１０の診断を行うＰＣ（Personal Computer）、ワークステーション又はサーバ等の情報処理装置である。診断装置２０は、モデル生成処理及び故障診断処理を実行する。

【0029】

モデル生成処理では、診断装置２０は、診断対象として予め登録された機器１０について診断モデルの生成を行う。診断装置２０は、生成した診断モデル及び診断モデルに関する付帯情報の少なくとも一方を、各機器１０に対応する記憶領域に格納する。

【0030】

モデル生成処理は、故障診断システム１の起動時に、診断対象として登録されているすべての機器１０について実行される。モデル生成処理は、診断モデルが生成されていない機器１０がある場合、所定の時間が経過するたび、又はユーザ端末３０からの要求に応じて、当該機器１０について実行される。

【0031】

故障診断処理では、診断装置２０は、ユーザ端末３０からの要求に応じて、診断を要求された機器１０に異常があるか否かを診断する。診断装置２０は、まず、機器１０に対応する記憶領域から診断モデルを取得する。次に、診断装置２０は、機器１０から収集した運転データを診断モデルに入力することで、機器１０の診断を行う。

【0032】

ユーザ端末３０は、ユーザが利用するＰＣ（Personal Computer）、タブレット端末又はスマートフォン等の情報処理端末である。ユーザ端末３０は、ユーザの操作に応じて、診断対象とする機器１０の登録、診断又は設定等の各種操作を診断装置２０に要求し、その結果を表示する。

【0033】

＜ハードウェア構成＞
図２は、本実施形態における診断装置２０のハードウェア構成の一例を示すブロック図である。図２に示すように、診断装置２０は、プロセッサ１０１、メモリ１０２、補助記憶装置１０３、操作装置１０４、表示装置１０５、通信装置１０６、ドライブ装置１０７を有する。なお、診断装置２０の各ハードウェアは、バス１０８を介して相互に接続されている。

【0034】

プロセッサ１０１は、ＣＰＵ（Central Processing Unit）等の各種演算デバイスを有する。プロセッサ１０１は、補助記憶装置１０３にインストールされている各種プログラムをメモリ１０２上に読み出して実行する。

【0035】

メモリ１０２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等の主記憶デバイスを有する。プロセッサ１０１とメモリ１０２とは、いわゆるコンピュータ（以下、「制御部」ともいう）を形成し、プロセッサ１０１が、メモリ１０２上に読み出した各種プログラムを実行することで、当該コンピュータは各種機能を実現する。

【0036】

補助記憶装置１０３は、各種プログラムや、各種プログラムがプロセッサ１０１によって実行される際に用いられる各種データを格納する。

【0037】

操作装置１０４は、診断装置２０のユーザが各種操作を行うための操作デバイスである。表示装置１０５は、診断装置２０により実行される各種処理の処理結果を表示する表示デバイスである。

【0038】

通信装置１０６は、不図示のネットワークを介して外部装置と通信を行うための通信デバイスである。

【0039】

ドライブ装置１０７は、記憶媒体１０９をセットするためのデバイスである。ここでいう記憶媒体１０９には、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記憶する媒体が含まれる。また、記憶媒体１０９には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記憶する半導体メモリ等が含まれていてもよい。

【0040】

なお、補助記憶装置１０３にインストールされる各種プログラムは、例えば、配布された記憶媒体１０９がドライブ装置１０７にセットされ、記憶媒体１０９に記憶された各種プログラムがドライブ装置１０７により読み出されることでインストールされる。あるいは、補助記憶装置１０３にインストールされる各種プログラムは、通信装置１０６を介してネットワークからダウンロードされることで、インストールされてもよい。

【0041】

＜機能構成＞
図３は、本実施形態における診断装置の機能構成の一例を示すブロック図である。図３に示されているように、本実施形態における診断装置２０は、記憶部１１０、収集部１２０、学習部１３０及び診断部１４０を備える。

【0042】

記憶部１１０は、図２に示されている補助記憶装置１０３によって実現される。収集部１２０、学習部１３０及び診断部１４０は、プロセッサ１０１がメモリ１０２上に読み出した各種のプログラムを実行することで実現される。

【0043】

記憶部１１０は、機器１０から収集した運転データ１１１、及び機器１０に対応する記憶領域１１２を有する。記憶領域１１２には、機器１０を診断するための診断モデル１１３、及び診断モデル１１３に関する付帯情報１１４の少なくとも一方が格納される。運転データ１１１及び記憶領域１１２は、機器１０と同じ数だけ記憶部１１０に記憶されている。

【0044】

収集部１２０は、機器１０－ｉ（ｉ＝１，２，…）から運転データ１１１－ｉを収集し、記憶部１１０に記憶する。例えば、収集部１２０は、機器１０－ｉが定期的に送信する運転データ１１１－ｉを受信することで、運転データ１１１－ｉを収集すればよい。また、例えば、収集部１２０は、定期的に機器１０－ｉに運転データ１１１－ｉを要求することで、運転データ１１１－ｉを収集してもよい。

【0045】

学習部１３０は、上記のモデル生成処理を実行する。具体的には、学習部１３０は、機器１０－ｉの運転データ１１１－ｉを用いて、機器１０－ｉに対応する診断モデル１１３－ｉを生成する。診断モデル１１３－ｉの生成に成功した場合、学習部１３０は、診断モデル１１３－ｉを、機器１０－ｉに対応する記憶領域１１２－ｉに格納する。

【0046】

一方、診断モデル１１３－ｉの生成に失敗した場合、学習部１３０は、診断モデル１１３－ｉに関する付帯情報１１４－ｉを記憶領域１１２－ｉに格納する。学習部１３０は、診断モデル１１３－ｉの生成に失敗した場合、学習途中の診断モデル１１３－ｉを付帯情報１１４－ｉと共に記憶領域１１２－ｉに格納してもよい。

【0047】

診断部１４０は、上記の故障診断処理を実行する。具体的には、診断部１４０は、ユーザ端末３０からの診断要求に応じて、診断対象とする機器１０－ｉに対応する記憶領域１１２－ｉから診断モデル１１３－ｉを取得する。診断モデル１１３－ｉを取得できた場合、診断部１４０は、機器１０－ｉの運転データ１１１－ｉを、診断モデル１１３－ｉに入力することで、機器１０－ｉの診断結果を得る。診断部１４０は、機器１０－ｉの診断結果をユーザ端末３０に送信する。

【0048】

一方、診断モデル１１３－ｉを取得できなかった場合、診断部１４０は、記憶領域１１２－ｉから診断モデル１１３－ｉに関する付帯情報１１４－ｉを取得する。診断部１４０は、診断モデル１１３－ｉに関する付帯情報１１４－ｉをユーザ端末３０に送信する。

【0049】

＜モデル生成処理の流れ＞
図４は、本実施形態におけるモデル生成処理の流れの一例を示すフローチャートである。図４に示したモデル生成処理は、診断モデルの生成対象とする各機器１０について、繰り返し実行される。

【0050】

ステップＳ１１において、学習部１３０は、機器１０－ｉの運転データ１１１－ｉを記憶部１１０から取得する。

【0051】

ステップＳ１２において、学習部１３０は、ステップＳ１１で取得した運転データ１１１－ｉを用いて、機器１０－ｉに対応する診断モデル１１３－ｉを生成する。

【0052】

ステップＳ１３において、学習部１３０は、診断モデル１１３－ｉの生成に成功したか否かを判定する。診断モデル１１３－ｉの生成に成功した場合（ＹＥＳ）、学習部１３０は、ステップＳ１４に処理を進める。診断モデル１１３－ｉの生成に失敗した場合（ＮＯ）、学習部１３０は、ステップＳ１５に処理を進める。

【0053】

ステップＳ１４において、学習部１３０は、ステップＳ１３で生成された学習済みの診断モデル１１３－ｉを機器１０－ｉに対応する記憶領域１１２－ｉに格納する。

【0054】

ステップＳ１５において、学習部１３０は、ステップＳ１３で生成された学習途中の診断モデル１１３－ｉを、機器１０－ｉに対応する記憶領域１１２－ｉに格納する。なお、学習部１３０は、ステップＳ１５を省略し、学習途中の診断モデル１１３－ｉを記憶領域１１２－ｉに格納しなくてもよい。

【0055】

ステップＳ１６において、学習部１３０は、診断モデル１１３－ｉに関する付帯情報１１４－ｉを、機器１０－ｉに対応する記憶領域１１２－ｉに格納する。付帯情報１１４－ｉには、診断モデル１１３－ｉの生成に失敗した要因を表すエラー情報が含まれる。診断モデル１１３－ｉの生成に失敗する要因は、例えば以下が挙げられる。

【0056】

第１の要因は、運転データの不足である。診断モデル１１３－ｉの生成に、一定期間（例えば、１年間）の運転データが必要とされる場合、十分な運転データが蓄積されていない機器１０－ｉについては、診断モデル１１３－ｉの生成に失敗する。

【0057】

第２の要因は、生成した診断モデル１１３－ｉの精度不足である。学習部１３０は、診断モデル１１３－ｉを生成した後、診断モデル１１３－ｉの精度を評価する。例えば、学習部１３０は、運転データ１１１－ｉの一部を用いて診断モデル１１３－ｉを生成する。学習部１３０は、診断モデル１１３－ｉを生成した後、生成に用いなかった運転データ１１１－ｉの他の一部を診断モデル１１３－ｉに入力して診断結果を得る。

【0058】

学習部１３０は、診断モデル１１３－ｉが出力した診断結果と、運転データ１１１－ｉから得られる正解値とを比較して、診断モデル１１３－ｉの精度を計算する。学習部１３０は、診断結果の精度が所定の閾値に満たない場合、診断モデル１１３－ｉの生成に失敗したものとして扱う。

【0059】

第３の要因は、機器１０－ｉの機種が診断ロジックの対象外である場合である。診断モデル１１３－ｉは、各種の診断ロジックを実行するように構成されている。機器１０－ｉが、診断モデル１１３－ｉの診断ロジックに対応していない場合、診断モデル１１３－ｉの生成に失敗する。

【0060】

学習部１３０は、エラー情報に加えて、診断モデル１１３－ｉに関する追加情報を付帯情報１１４－ｉに含めて、機器１０－ｉに対応する記憶領域１１２－ｉに格納してもよい。追加情報は、例えば、以下が挙げられる。

【0061】

第１の追加情報は、学習条件に関する情報である。学習条件は、例えば、学習時に用いたパラメータである。学習条件に関する情報は、診断モデル１１３－ｉの生成に失敗した原因を分析する際に有効な情報となる。

【0062】

第２の追加情報は、出力値の有効な範囲に関する情報である。出力値の有効な範囲とは、診断モデル１１３－ｉの出力値に対して、有効性を保証する値の範囲である。例えば、機器１０－ｉが空調機であるとき、診断モデル１１３－ｉが空調機内の温度を推定する診断ロジックを実行する場合、センサの設置箇所が物理的にとり得る温度の範囲を記録する。診断モデル１１３－ｉが推定した温度が、出力値の有効な範囲から外れる場合、診断モデル１１３－ｉの生成に失敗したものとして扱う。

【0063】

第３の追加情報は、診断モデル１１３－ｉを代替するモデルのアクセス先を示す情報である。例えば、診断装置２０を多重化することにより、一方の診断装置２０において診断モデル１１３－ｉの取得に失敗した場合、他の診断装置２０から診断モデル１１３－ｉを取得するように構成することができる。このように構成するとき、診断モデル１１３－ｉの追加情報として、他の診断装置２０のアクセス先を付帯情報１１４－ｉに含めておく。

【0064】

第４の追加情報は、ユーザのグレードである。診断装置２０は、診断を要求したユーザのグレードに応じて、レスポンスの量や計算時間を変更する機能を有するように構成することができる。このように構成するとき、ユーザのグレードとそれらの条件を対応させて追加情報として付帯情報１１４－ｉに含めておく。

【0065】

＜故障診断処理の流れ＞
図５は、本実施形態における故障診断処理の流れの一例を示すフローチャートである。

【0066】

ステップＳ２１において、ユーザ端末３０は、ユーザによる診断を要求するための操作に応じて、診断要求を診断装置２０に送信する。

【0067】

診断を要求するための操作は、診断を行う機器１０を特定して行われる。例えば、診断装置２０からユーザ端末３０に提供された操作画面において、ユーザが所望の機器１０を選択して診断要求ボタンを押下すること等により、当該操作が行われる。選択可能な機器１０は、複数であってもよい。

【0068】

なお、診断装置２０がユーザ端末３０に提供する操作画面は、ウェブアプリケーションにより実装され、ユーザ端末３０にインストールされているウェブブラウザに表示される。ただし、診断装置２０とユーザ端末３０とのインターフェースはこれに限定されず、例えば、ユーザ端末３０にインストールされた専用のアプリケーションにより、操作画面が実装されていてもよい。

【0069】

診断装置２０は、ユーザ端末３０から診断要求を受信する。当該診断要求には、診断を要求された機器１０を識別する情報が含まれる。

【0070】

ステップＳ２２において、診断部１４０は、ユーザ端末３０から受信した診断要求に基づいて、診断を行う機器１０を特定する。ここでは、機器１０－ｉが特定されたものとする。次に、診断部１４０は、機器１０－ｉに対応する記憶領域１１２－ｉから診断モデル１１３－ｉを取得する。

【0071】

ステップＳ２３において、診断部１４０は、診断モデル１１３－ｉの取得に成功したか否かを判定する。診断モデル１１３－ｉの取得に成功した場合（ＹＥＳ）、診断部１４０は、ステップＳ２４に処理を進める。診断モデル１１３－ｉの取得に失敗した場合（ＮＯ）、診断部１４０は、ステップＳ２６に処理を進める。

【0072】

ステップＳ２４において、診断部１４０は、記憶部１１０から機器１０－ｉの運転データ１１１－ｉを取得する。次に、診断部１４０は、運転データ１１１－ｉを診断モデル１１３－ｉに入力することで、機器１０－ｉの診断結果を得る。

【0073】

ステップＳ２５において、診断部１４０は、ステップＳ２４で得た機器１０－ｉの診断結果をユーザ端末３０に送信する。ユーザ端末３０は、診断装置２０から機器１０－ｉの診断結果を受信する。次に、ユーザ端末３０は、受信した機器１０－ｉの診断結果を操作画面等に表示する。

【0074】

ステップＳ２６において、診断部１４０は、機器１０－ｉに対応する記憶領域１１２－ｉから診断モデル１１３－ｉに関する付帯情報１１４－ｉを取得する。

【0075】

ステップＳ２７において、診断部１４０は、ステップＳ２６で得た付帯情報１１４－ｉをユーザ端末３０に送信する。ユーザ端末３０は、診断装置２０から診断モデル１１３－ｉに関する付帯情報１１４－ｉを受信する。次に、ユーザ端末３０は、受信した診断モデル１１３－ｉに関する付帯情報１１４－ｉに基づいて、エラーメッセージを操作画面等に表示する。

【0076】

例えば、付帯情報１１４－ｉに含まれるエラー情報が、学習データの不足により生成に失敗したことを示す場合、ユーザ端末３０は、「診断モデルを作成するためのデータが不足しています。故障診断は運転開始の１年後から行うことができます。」等のメッセージを表示する。

【0077】

また、例えば、付帯情報１１４－ｉに含まれるエラー情報が、モデルの精度不足により生成に失敗したことを示す場合、ユーザ端末３０は、「モデルを作成しましたが十分な精度が得られませんでした。」等のメッセージを表示する。

【0078】

また、例えば、付帯情報１１４－ｉに含まれるエラー情報が、診断ロジックの対象外であることを示す場合、ユーザ端末３０は、「指定された機種はサーミスタ故障診断に対応していません。」等のメッセージを表示する。

【0079】

［その他の実施形態］
上記実施形態では、空調機等の機器の故障を診断する故障診断システムについて説明した。故障診断システムでは、診断装置が、診断対象とする機器に対応する診断モデルを生成した。ここで、診断モデルに限定されない種々の学習モデルを生成する学習モデル生成装置を構成してもよい。

【0080】

＜機能構成＞
図６は、他の実施形態における学習モデル生成装置の機能構成の一例を示すブロック図である。図６に示されているように、学習モデル生成装置４０は、記憶部２１０、学習部２３０及び予測部２４０を備える。

【0081】

記憶部２１０は、図２に示されている補助記憶装置１０３によって実現される。学習部２３０及び予測部２４０は、プロセッサ１０１がメモリ１０２上に読み出した各種のプログラムを実行することで実現される。

【0082】

記憶部２１０は、学習データ２１１及び記憶領域２１２を有する。記憶領域２１２には、学習モデル２１３、及び学習モデル２１３に関する付帯情報２１４の少なくとも一方が格納される。

【0083】

学習部２３０は、モデル生成処理を実行する。具体的には、学習部２３０は、学習データ２１１を用いて、学習モデル２１３を生成する。学習モデル２１３の生成に成功した場合、学習部２３０は、学習モデル２１３を記憶領域２１２に格納する。

【0084】

一方、学習モデル２１３の生成に失敗した場合、学習部２３０は、学習モデル２１３に関する付帯情報２１４を記憶領域２１２に格納する。学習部２３０は、学習モデル２１３の学習に失敗した場合、学習途中の学習モデル２１３を付帯情報２１４と共に記憶領域２１２に格納してもよい。

【0085】

予測部２４０は、予測処理を実行する。具体的には、予測部２４０は、記憶領域２１２から学習モデル２１３を取得する。学習モデル２１３を取得できた場合、予測部２４０は、予測対象とする特徴データを、学習モデル２１３に入力することで、特徴データに対する予測結果を得る。そして、予測部２４０は、特徴データに対する予測結果を出力する。

【0086】

一方、学習モデル２１３を取得できなかった場合、予測部２４０は、記憶領域２１２から学習モデル２１３に関する付帯情報２１４を取得する。そして、予測部２４０は、学習モデル２１３に関する付帯情報２１４を出力する。

【0087】

＜まとめ＞
以上、本開示の各実施形態によれば、学習モデルに関する情報の管理が容易になる。例えば、特許文献１に開示された従来技術では、モデル学習の失敗原因を表すエラー情報をデータベースに記憶する。そのため、モデルを使用する際にモデルの取得に失敗すると、改めてデータベースにアクセスし、エラー情報を検索する必要がある。また、特許文献１に開示された従来技術では、モデルの有無とモデル学習の失敗原因との同期を取る必要がある。このように、従来技術では、学習モデルに関する情報の管理が煩雑であるという問題がある。

【0088】

一方、本開示の一実施形態における学習モデル生成装置は、記憶部に学習モデル又は学習モデルに関する付帯情報を格納するための記憶領域を用意する。学習モデル生成装置は、学習モデルの取得に失敗した場合、当該学習モデルを格納するための記憶領域から当該学習モデルに関する付帯情報を取得することができる。したがって、本開示によれば、学習モデルに関する情報の管理が容易になる。

【0089】

以上、実施形態を説明したが、特許請求の範囲の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。

【符号の説明】

【0090】

１ 故障診断システム
１０ 機器
２０ 診断装置
１１０ 記憶部
１２０ 収集部
１３０ 学習部
１４０ 診断部
３０ ユーザ端末
４０ 学習モデル生成装置
２１０ 記憶部
２３０ 学習部
２４０ 予測部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】