特開 2024-135980 設備更新計画作成支援システム、学習装置、推論装置、設備更新計画作成支援方法および設備更新計画作成支援プログラム

(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】P2024135980

(43)【公開日】2024-10-04

(54)【発明の名称】設備更新計画作成支援システム、学習装置、推論装置、設備更新計画作成支援方法および設備更新計画作成支援プログラム

(51)【国際特許分類】

   G06Q 50/08 20120101AFI20240927BHJP

   G06Q 10/20 20230101ALI20240927BHJP

【ＦＩ】

G06Q50/08

G06Q10/20

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2023046919

(22)【出願日】2023-03-23

(71)【出願人】

【識別番号】000006013

【氏名又は名称】三菱電機株式会社

(74)【代理人】

【識別番号】100118762

【弁理士】

【氏名又は名称】高村 順

(72)【発明者】

【氏名】大嶋 佑紀

【テーマコード（参考）】

5L049

5L050

【Ｆターム（参考）】

5L049CC07

5L049CC15

5L050CC07

(57)【要約】

【課題】設備に関するデータが十分に蓄積されていない場合であっても、適切な更新計画を作成することが可能な設備更新計画作成支援装置を得ること。
【解決手段】設備更新計画作成支援システム１は、建物に備わる設備の設備機器データの時系列データの実測値と、設備関連データとを蓄積したデータベース２１と、設備関連データを取得する推論用データ取得部２５１と、設備関連データから設備機器データの時系列データを推論するための学習済モデルを用いて、推論用データ取得部が取得した設備関連データから設備機器データの予測値を出力する推論部２５２と、推論部が出力する予測値を用いて設備機器データを補完し、設備機器データの実測値と予測値とを含む補完後の時系列データを生成する補完部２２１と、更新計画に対する制約条件と、設備機器データの補完後の時系列データとに基づいて、更新計画を生成する更新計画作成部３２と、を備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースと、
推論対象の設備の前記設備関連データを取得する推論用データ取得部と、
前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを用いて、前記推論用データ取得部が取得した前記設備関連データから前記設備機器データの予測値を出力する推論部と、
前記推論部が出力する前記予測値を用いて前記設備機器データを補完し、前記設備機器データの前記実測値と前記予測値とを含む補完後の時系列データを生成する補完部と、
更新計画に対する制約条件と、前記設備機器データの前記補完後の時系列データとに基づいて、前記設備の更新計画を生成する更新計画作成部と、
を備えることを特徴とする設備更新計画作成支援システム。

【請求項2】

前記補完部は、前記予測値を生成した日時を示す推論日時情報を記録することを特徴とする請求項１に記載の設備更新計画作成支援システム。

【請求項3】

前記設備の前記設備関連データと、前記設備機器データの実測値とを含む学習用データを取得する学習用データ取得部と、
前記学習用データを用いて、前記設備の前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを生成するモデル生成部と、
をさらに備えることを特徴とする請求項１に記載の設備更新計画作成支援システム。

【請求項4】

前記更新計画作成部は、対象の前記建物に備わる前記設備を各期間において使用するか否かを示す変数の値を決定することによって前記更新計画を生成し、
前記変数の値を、前記設備の監視制御システムの制御命令列に変換して、前記制御命令列を前記監視制御システムに送信する制御部、
をさらに備えることを特徴とする請求項１に記載の設備更新計画作成支援システム。

【請求項5】

検索条件の入力を受け付け、前記データベースから前記検索条件に当てはまる前記設備を抽出し、前記検索条件を前記制約条件に変換する検索処理部、
をさらに備え、
前記更新計画作成部は、前記検索処理部が前記検索条件から変換した前記制約条件に基づいて、前記更新計画を生成することを特徴とする請求項１に記載の設備更新計画作成支援システム。

【請求項6】

前記検索処理部による検索結果と、前記検索結果に対応する前記検索条件を前記更新計画に反映するための操作を受け付ける操作オブジェクトとを表示画面に表示する表示部、
をさらに備え、
前記検索処理部は、前記操作オブジェクトに対する操作を受け付けると、前記検索条件を前記制約条件に変換することを特徴とする請求項５に記載の設備更新計画作成支援システム。

【請求項7】

前記データベースは、前記設備のメーカおよび前記設備のリリース年の少なくとも１つをさらに記憶することを特徴とする請求項５に記載の設備更新計画作成支援システム。

【請求項8】

前記設備関連データと、前記設備機器データと、前記更新計画とに基づいて、前記設備の稼働状況を評価する余剰設備算出部、
をさらに備えることを特徴とする請求項１に記載の設備更新計画作成支援システム。

【請求項9】

前記余剰設備算出部による評価結果を、前記設備が通常の使用状況の範囲内であるか、前記設備が通常よりも過剰使用の状態であるか、または、前記設備が設備余剰の状態であるかを示す情報を用いて表示画面に表示する表示部、
をさらに備えることを特徴とする請求項８に記載の設備更新計画作成支援システム。

【請求項10】

前記データベースは、前記設備が設置された環境を示す環境データをさらに記憶し、
前記環境データは前記設備が設置された場所の気温の時系列データを含み、
前記学習済モデルは、前記設備関連データから前記気温の時系列データをさらに推論し、
前記推論部は、前記学習済モデルを用いて、前記推論用データ取得部が取得した前記設備関連データから前記気温の予測値を出力することを特徴とする請求項１に記載の設備更新計画作成支援システム。

【請求項11】

複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを含む学習用データを取得する学習用データ取得部と、
前記学習用データを用いて、前記設備の前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを生成するモデル生成部と、
を備えることを特徴とする学習装置。

【請求項12】

複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースから、推論対象の設備の前記設備関連データを取得する推論用データ取得部と、
前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを用いて、前記推論用データ取得部が取得した前記設備関連データから前記設備機器データの予測値を出力する推論部と、
を備えることを特徴とする推論装置。

【請求項13】

複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースから、推論対象の設備の前記設備関連データを取得するステップと、
前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを用いて、前記推論対象の設備の前記設備関連データから前記設備機器データの予測値を出力するステップと、
前記予測値を用いて前記設備機器データを補完し、前記設備機器データの前記実測値と前記予測値とを含む補完後の時系列データを生成するステップと、
更新計画に対する制約条件と、前記設備機器データの前記補完後の時系列データとに基づいて、前記更新計画を生成するステップと、
を含むことを特徴とする設備更新計画作成支援方法。

【請求項14】

複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースから、推論対象の設備の前記設備関連データを取得するステップと、
前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを用いて、前記推論対象の設備の前記設備関連データから前記設備機器データの予測値を出力するステップと、
前記予測値を用いて前記設備機器データを補完し、前記設備機器データの前記実測値と前記予測値とを含む補完後の時系列データを生成するステップと、
更新計画に対する制約条件と、前記設備機器データの前記補完後の時系列データとに基づいて、前記更新計画を生成する装置に、生成した前記補完後の時系列データを提供するステップと、
をコンピュータに実行させることを特徴とする設備更新計画作成支援プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、建物に備わる設備の更新計画の作成を支援する設備更新計画作成支援システム、学習装置、推論装置、設備更新計画作成支援方法および設備更新計画作成支援プログラムに関する。

【背景技術】

【0002】

近年、地球温暖化対策のために、脱炭素社会の実現を目指す取り組みが加速している。事務所ビルや商業施設などの建物において消費するエネルギーについても削減が求められており、日本では、削減目標が設定されている。建物で消費する年間の一次エネルギーの収支をゼロにすることを目指した建物のことをＺＥＢ（Zero Energy Building）と呼ぶ。エネルギー問題の解決のためには、新築の建物だけでなく、既存の建物においてもＺＥＢ化を推進することが重要となる。既存の建物においてＺＥＢ化を行う際には、数年かけて行われることが一般的であり、建物に備わる設備を更新する際にかかる一時コストであるイニシャルコスト、設備を維持するためにかかるランニングコストなどを考慮して更新計画を作成し、更新計画に基づいた更新工事が行われる。しかしながら、適切な更新計画を作成することは難しい。

【0003】

例えば、特許文献１には、水処理プラントにおける設備の更新計画の作成を支援するシステムが開示されている。このシステムでは、ユーザが保有している設備の状態を示すデータの実測値や、設備が消費する電力量を示すデータの実測値をデータベースに蓄積し、データベースに蓄積したデータに対して最適化処理を行い、ライフサイクルコストが最小となる更新計画を導出している。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２００８－１６８１８５号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

上記従来の技術では、データベースに蓄積された実測値から将来にかかるコストを関数で表し、関数に基づいて設備の更新計画を作成しているため、十分にデータが蓄積されていない場合には、適切な更新計画を作成することが困難であるという問題があった。

【0006】

本開示は、上記に鑑みてなされたものであって、設備に関するデータが十分に蓄積されていない場合であっても、適切な更新計画を作成することが可能な設備更新計画作成支援システムを得ることを目的とする。

【課題を解決するための手段】

【0007】

上述した課題を解決し、目的を達成するために、本開示に係る設備更新計画作成支援システムは、複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースと、推論対象の設備の設備関連データを取得する推論用データ取得部と、設備関連データから設備機器データの時系列データを推論するための学習済モデルを用いて、推論用データ取得部が取得した設備関連データから設備機器データの予測値を出力する推論部と、推論部が出力する予測値を用いて設備機器データを補完し、設備機器データの実測値と予測値とを含む補完後の時系列データを生成する補完部と、更新計画に対する制約条件と、設備機器データの補完後の時系列データとに基づいて、設備の更新計画を生成する更新計画作成部と、を備えることを特徴とする。

【発明の効果】

【0008】

本開示によれば、設備に関するデータが十分に蓄積されていない場合であっても、適切な更新計画を作成することが可能な設備更新計画作成支援システムを得ることができるという効果を奏する。

【図面の簡単な説明】

【0009】

【図1】実施の形態１にかかる設備更新計画作成支援システムの構成を示す図

【図2】実施の形態１にかかる設備更新計画作成支援システムの機能構成を示す図

【図3】図２に示すモデル生成部の行うモデル生成についての説明図

【図4】図２に示すクラウドサーバの処理についての説明図

【図5】更新計画作成部が使用する設備機器データの一例を示す図

【図6】クラウドサーバにおける動作例を説明するためのフローチャート

【図7】ユーザ端末およびオンプレミスサーバにおける動作例を説明するためのフローチャート

【図8】ユーザ端末が表示する予測値表示画面の一例を示す図

【図9】ユーザ端末が表示する更新計画表示画面の一例を示す図

【図10】実施の形態２にかかる設備更新計画作成支援システムの機能構成を示す図

【図11】実施の形態３にかかる設備更新計画作成支援システムの機能構成を示す図

【図12】実施の形態４にかかる設備更新計画作成支援システムの機能構成を示す図

【図13】余剰設備算出部の処理についての説明図

【図14】実施の形態５にかかる設備更新計画作成支援システムの機能構成を示す図

【図15】設備更新計画作成支援システムを実現するコンピュータシステムの構成例を示す図

【発明を実施するための形態】

【0010】

以下に、本開示の実施の形態に係る設備更新計画作成支援システム、学習装置、推論装置、設備更新計画作成支援方法および設備更新計画作成支援プログラムを図面に基づいて詳細に説明する。

【0011】

実施の形態１．
図１は、実施の形態１にかかる設備更新計画作成支援システム１の構成を示す図である。設備更新計画作成支援システム１は、ビルなどの建物に備わる設備を更新する時期、更新対象の設備、更新後に導入する設備などの情報を含む設備の更新計画の作成を支援する。更新計画を作成するにあたって、設備更新計画作成支援システム１は、建物に備わる設備に関する情報である設備機器データを収集する。このとき、設備更新計画作成支援システム１は、複数のユーザ企業から設備機器データを収集する。例えば、設備機器データはクラウドサーバ２上で収集される。また、設備更新計画作成支援システム１は、収集した設備機器データを、ＡＩ（Artificial Intelligence）を用いて補完する機能を有し、補完後の設備機器データに基づいて、設備の更新計画を作成する。

【0012】

設備更新計画作成支援システム１は、クラウドサーバ２と、各ユーザ企業が管理する建物内に設置されて運用されているサーバであるオンプレミスサーバ３－１，３－２，３－３と、ユーザ企業毎に導入されたビル監視制御システム４－１，４－２，４－３と、各ユーザ企業の入出力端末であるユーザ端末５－１，５－２，５－３とを用いて構成することができる。なお、ここでは同種であってユーザ企業が異なる構成要素のそれぞれに、共通する数字の後にハイフンとそれぞれ異なる数字とを付して、各構成要素を区別している。ハイフンの後の数字が同じ構成要素は、同じユーザ企業の所有する構成要素を示す。例えば、オンプレミスサーバ３－１と、ビル監視制御システム４－１と、ユーザ端末５－１とは、同じユーザ企業が所有する構成要素である。なお、ビル監視制御システム４－１は、設備の監視制御を行う監視制御システムの一例であり、ユーザ企業が所有するビルの監視制御を行うシステムである。ここでは、ユーザ企業の所有する建物の一例としてビルを挙げるが、建物はビルに限らず、ショッピングセンターなどの商業施設であってもよい。

【0013】

なお、以下の説明中において、オンプレミスサーバ３－１，３－２，３－３のそれぞれを区別する必要がない場合、単にオンプレミスサーバ３と称する。同様に、ビル監視制御システム４－１，４－２，４－３のそれぞれを区別する必要がない場合、単にビル監視制御システム４と称する。同様に、ユーザ端末５－１，５－２，５－３のそれぞれを区別する必要がない場合、ユーザ端末５－１，５－２，５－３に共通する機能について説明する場合、単にユーザ端末５と称する。

【0014】

また、ここでは設備更新計画作成支援システム１の利用者を「ユーザ企業」と称したが、設備更新計画作成支援システム１の利用者は企業以外の団体であってもよいし、個人であってもよい。また、以下の説明中において、ユーザ端末５を操作する人のことを「ユーザ」と称する場合もある。

【0015】

ユーザ端末５とオンプレミスサーバ３との間は、ＬＡＮ（Local Area Network）で接続され、ビル監視制御システム４とオンプレミスサーバ３との間は、ＬＡＮで接続され、オンプレミスサーバ３とクラウドサーバ２との間は、例えば、ＶＰＮ（Virtual Private Network）で接続される。設備機器データは、ここでは、ビル監視制御システム４から取り出してクラウドサーバ２上で保持される。

【0016】

続いて、設備更新計画作成支援システム１の具体的な機能構成について説明する。以下では、簡単のため、複数のユーザ企業のうちの１つについて示す。

【0017】

図２は、実施の形態１にかかる設備更新計画作成支援システム１の機能構成を示す図である。クラウドサーバ２は、ユーザ企業の保有する建物に設置された設備の設備機器データ２１１および設備関連データ２１２を記憶するデータベース２１と、データベース２１にデータを記憶させたり、データベース２１に記憶されたデータを取り出したり、データベース２１のデータを処理したりするデータベース処理部２２と、データベース２１に記憶されたデータを用いて、学習済モデルを生成する機械学習装置２３と、機械学習装置２３が生成した学習済モデルを記憶する学習済モデル記憶部２４と、学習済モデルを用いて推論を行う推論装置２５とを有する。

【0018】

データベース２１には、複数のユーザ企業のビル監視制御システム４から収集された設備に関するデータが記憶される。ここで、設備とは、建物に備わる設備であって、建物内でエネルギーを消費または産出する装置を指す。例えば、エネルギーを消費する設備としては、空調設備、エレベータ、照明設備などが挙げられる。また、エネルギーを産出する設備としては、発電設備が挙げられる。ここでは、設備に関するデータのうち、設備の更新計画を作成する際に使用されるデータを設備機器データ２１１と称し、設備機器データ２１１以外のデータを設備関連データ２１２と称する。設備機器データ２１１は、設備を導入する際にかかる一時費用であるイニシャルコスト、設備を維持するためにかかる費用であるランニングコスト、設備の故障確率などを示すデータである。なおここでは、設備の保全を行った場合、設備の更新を行ったものとして扱う。このため、設備が故障した際やメンテナンスが必要となった場合の保全費用は、イニシャルコストに含まれる。ランニングコストは、主に電気料金であり、設備機器データ２１１は、電気料金自体であってもよいし、電力量であってもよい。ランニングコストおよび故障確率は、時系列データである。設備関連データ２１２は、設備の種別を示す種別データ、設備の稼働状況を示す稼働状況データなどである。稼働状況データは、少なくとも、設備のＯＮ／ＯＦＦ日時を示すデータを含む。また、稼働状況データは、設備の動作モード、設定値、実測値の時系列データを含んでいてもよい。例えば、設備が空調設備である場合、稼働状況データは、何時何分何秒に何度に設定して何度になったのかを表すデータを含むことができる。

【0019】

データベース処理部２２は、データベース２１に記憶された設備に関するデータを処理する。例えば、データベース処理部２２は、ビル監視制御システム４から設備に関するデータを取得すると、取得したデータを設備機器データ２１１または設備関連データ２１２としてデータベース２１に記憶することができる。或いは、データベース処理部２２は、ビル監視制御システム４から取得したデータを、そのままではなく、加工した上で、データベース２１に記憶してもよい。データベース処理部２２がビル監視制御システム４からデータを取得するタイミングは、予め定められた周期とすることができ、例えば、１日に１度とすることができる。また、データベース処理部２２は、機械学習装置２３および推論装置２５に、データベース２１に格納されたデータを提供する機能を有する。また、データベース処理部２２は、推論装置２５が出力する設備機器データ２１１の予測値を用いて、データベース２１に記憶された設備機器データ２１１を補完し、設備機器データ２１１の実測値と予測値とを含む補完後の時系列データを生成する補完部２２１を有する。補完部２２１は、設備機器データ２１１の補完後の時系列データをデータベース２１に記憶する。

【0020】

機械学習装置２３は、データベース２１に記憶された設備機器データ２１１および設備関連データ２１２に基づいて、設備関連データ２１２から設備機器データ２１１の時系列データを推論するための学習済モデルを生成する。機械学習装置２３は、生成した学習済モデルを学習済モデル記憶部２４に記憶する。具体的には、機械学習装置２３は、学習用データ取得部２３１と、モデル生成部２３２とを有する。

【0021】

学習用データ取得部２３１は、データベース処理部２２を介して、データベース２１に記憶されたデータを学習用データとして取得する。学習用データ取得部２３１は、データベース２１に記憶された設備機器データ２１１の実測値、具体的には、ランニングコストおよび故障確率の実測値と、設備関連データ２１２、具体的には設備の種別および稼働状況を示すデータとを学習用データとして取得する。モデル生成部２３２は、学習用データを用いて、設備の設備関連データ２１２から設備機器データ２１１の時系列データを推論するための学習済モデルを生成する。モデル生成部２３２は、生成した学習済モデルを学習済モデル記憶部２４に記憶させる。

【0022】

モデル生成部２３２は、学習アルゴリズムとして、例えば敵対的生成ネットワークと呼ばれるＧＡＮ（Generative Adversarial Networks）などを用いることができる。図３は、図２に示すモデル生成部２３２の行うモデル生成についての説明図である。ＧＡＮを用いる場合、モデル生成部２３２は、学習用データである設備関連データ２１２から設備機器データ２１１の疑似データを生成する生成器２３２－１と、設備機器データ２１１の疑似データと実測データとを見分ける識別器２３２－２とを有する。モデル生成部２３２は、設備関連データ２１２を入力として、入力されたデータの特徴を学習していくことで新たな設備機器データ２１１を出力するように生成器２３２－１を学習させる。生成器２３２－１が出力する新たな設備機器データ２１１を疑似データとも呼ぶ。また、モデル生成部２３２は、識別器２３２－２に、生成器２３２－１が生成した設備機器データ２１１の疑似データと、学習用データに含まれる設備機器データ２１１の実測データとを入力し、実測データと疑似データとを見分けるように識別器２３２－２を学習させる。モデル生成部２３２は、生成器２３２－１と識別器２３２－２とを競わせることで、生成器２３２－１および識別器２３２－２の両方のネットワークの性能を高め、より実在するデータに似た疑似データの生成を可能にすることができる。

【0023】

なお、ここではモデル生成部２３２がＧＡＮを用いて学習済モデルを生成する例について説明したが、これに限られるものではない。学習アルゴリズムについては、教師あり学習、強化学習、教師なし学習、または半教師あり学習などを適用することも可能である。また、モデル生成部２３２が使用する学習アルゴリズムとしては、他の深層学習（Deep Learning）を用いることもできる。また、モデル生成部２３２は、他の公知の方法、例えば遺伝的プログラミング、機能論理プログラミング、サポートベクタマシンなどに従って機械学習を実行してもよい。

【0024】

図２の説明に戻る。推論装置２５は、推論対象の設備の設備関連データ２１２を取得して推論用データとする推論用データ取得部２５１と、設備関連データ２１２から設備機器データ２１１の時系列データを推論するための学習済モデルを用いて、推論用データ取得部２５１が取得した設備関連データ２１２から現時点よりも将来の設備機器データ２１１の予測値を出力する推論部２５２とを有する。推論用データ取得部２５１は、データベース２１から設備関連データ２１２を推論用データとして取得し、取得した推論用データを推論部２５２に出力する。推論部２５２は、学習済モデル記憶部２４に記憶された学習済モデルに対して、推論用データ取得部２５１が出力する推論用データを入力し、学習済モデルから出力される設備機器データ２１１の予測値の時系列データをデータベース処理部２２の補完部２２１に出力する。

【0025】

補完部２２１は、推論装置２５が出力する設備機器データ２１１の予測値の時系列データを用いてデータベース２１に記憶された設備機器データ２１１を補完し、設備機器データの実測値と予測値とを含む補完後の時系列データを生成する。

【0026】

図４は、図２に示すクラウドサーバ２の処理についての説明図である。学習時には、機械学習装置２３は、学習用データとして、設備機器データ２１１の実測値の時系列データと、設備関連データ２１２とをデータベース２１から取得し、モデル生成部２３２であるＧＡＮに入力して機械学習処理を行う。

【0027】

予測時には、推論装置２５は、データベース２１から設備関連データ２１２を推論用データとして取得し、取得した推論用データをモデル生成部２３２であるＧＡＮに入力する。ＧＡＮからは、生成データとして、設備機器データ２１１の予測値の時系列データが出力される。生成データである設備機器データ２１１の予測値の時系列データを補完部２２１に出力すると、補完部２２１は、データベース２１に記憶された設備機器データ２１１の実測値の時系列データと、推論装置２５が出力する生成データである設備機器データ２１１の予測値の時系列データとを用いて、補完データを生成する。このとき、補完部２２１は、実測値と予測値との境目が分かるように、タイムスタンプを記憶する。図４の補完データの星印はタイムスタンプを示し、タイムスタンプ以前の時系列データは実測値であり、タイムスタンプよりも後の時系列データは予測値であることを示している。補完部２２１は、補完後の時系列データをデータベース２１に記憶する。

【0028】

図２の説明に戻る。オンプレミスサーバ３は、ビル監視制御システム４、ユーザ端末５、およびクラウドサーバ２のそれぞれと通信するデータ通信部３１と、設備の更新計画を作成する更新計画作成部３２と、作成した更新計画を記憶する更新計画記憶部３３とを有する。

【0029】

データ通信部３１は、ビル監視制御システム４から設備に関するデータを受信すると、受信したデータをクラウドサーバ２に送信する。また、データ通信部３１は、クラウドサーバ２からデータベース２１に記憶されたデータを受信すると、受信したデータを更新計画作成部３２などのオンプレミスサーバ３の各機能部に出力することができる。データ通信部３１は、オンプレミスサーバ３で生成された表示画面を表示するための画面表示データをユーザ端末５に送信し、ユーザ端末５で行われた操作内容を示す操作信号を更新計画作成部３２などのオンプレミスサーバ３の各機能部に出力することができる。

【0030】

更新計画作成部３２は、データベース２１に記憶されている設備機器データ２１１と、ユーザ端末５から入力される制約条件とに基づいて、最適化処理を行い、コストが最小であって制約条件を満たす設備の更新計画を作成する。

【0031】

図５は、更新計画作成部３２が使用する設備機器データ２１１の一例を示す図である。ここでは、設備機器データ２１１に含まれるランニングコストの時系列データを示している。「項目番号」は、設備毎に割り当てられた番号であり、「タイムスタンプ」は、最後に推論装置２５を用いた予測処理を行ったタイミングを示しており、各日付に対応するランニングコストが「円」単位で格納されている。なお、設備機器データ２１１の値は、補完処理後の値であって、実測値および予測値を含む。具体的には、ランニングコストの値は、「タイムスタンプ」に示す日付よりも前のデータは、実測値であり、「タイムスタンプ」以降の日付のデータは、予測値である。例えば、項目番号「０００００１」では、タイムスタンプが「２０２２／１／２」であるため、「２０２２／１／１」のデータは実測値であり、「２０２２／１／２」以降のデータは予測値である。同様に、項目番号「０００００３」では、タイムスタンプが「２０２２／１／５」であるため、「２０２２／１／１」～「２０２２／１／４」のデータは実測値であり、「２０２２／１／５」以降のデータは予測値である。図５に示すように、更新計画作成部３２が更新計画を作成する際には、実測値が存在する部分については実測値を用い、実測値が存在しない部分については予測値を用いることとする。

【0032】

図２の説明に戻る。更新計画作成部３２は、設備機器データ２１１に含まれるイニシャルコストの数値データと、ランニングコストおよび故障確率の時系列データとを用いて、設備の更新計画を作成する。また、更新計画作成部３２は、省エネ目標値、予算、工事期間、法規制といった制約条件を満たすように、設備の更新計画を作成する。ここで更新計画作成部３２が使用するアルゴリズムは特に限定されない。例えば、更新計画作成部３２は、線形計画法を用いて、設備の更新計画を作成することができる。線形計画法を用いる場合、更新計画作成部３２は、「イニシャルコストと、故障確率に基づいて導出されるランニングコスト期待値との和」を目的関数とし、「省エネ目標値、予算、工事期間、および法規制」を制約条件とし、「各年度の各設備を更新するか否かを表す１／０変数」を変数として、問題を定式化し、目的関数が最小となる変数の組み合わせを求めることによって、設備の更新計画を求めることができる。この場合、最適化処理の出力は、「各年度の各設備を更新するか否かを表す１／０変数」の列となる。また、更新計画作成部３２は、線形計画法以外にも、最急降下法、動的計画法などのアルゴリズムを用いて、設備の更新計画を作成することができる。なお、変数は、データベース２１に記憶された全ての設備について、年度毎に設けられ、例えば、変数の値が「１」である場合、対象の設備をその年度において使用することを示し、変数の値が「０」である場合、対象の設備をその年度において使用しないことを示す。この場合、変数の値が「１」から「０」に変化すると、使用中である対象の設備を対象の年度に更新することを示し、変数の値が「０」から「１」に変化すると、対象の設備が設備の更新により新たに採用されることを示す。なお、上述の通り、ここでは設備の保全についても設備の更新として扱われるため、変数の値が「１」から「０」に変化した場合、対象の設備を対象の年度に更新して、他の設備に置き換えること、或いは、保全作業を行って他の設備として取り扱うことを示す。更新計画作成部３２は、更新される設備については、どの設備がどの設備に置き換えられるのかを示す情報を保持する。更新計画作成部３２は、作成した更新計画を、更新計画記憶部３３に記憶する。

【0033】

ユーザ端末５は、表示画面を出力する表示部５１と、ユーザ端末５のユーザからの入力を受け付ける入力部５２とを有する。表示部５１は、オンプレミスサーバ３から受信する画面表示データに基づいて、表示画面を出力することができる。また、入力部５２は、ユーザ端末５のユーザからの操作入力を受け付けて、操作内容を示す操作信号を生成し、生成した操作信号をオンプレミスサーバ３に出力することができる。

【0034】

なお、ここでは、ユーザ端末５は、オンプレミスサーバ３が生成した画面表示データに基づいて、表示画面を出力することとしたが、ユーザ端末５上で動作するアプリケーションによって生成される画面表示データに基づいて表示画面を出力してもよい。或いは、ユーザ端末５は、クラウドサーバ２上で生成される画面表示データに基づいて表示画面を出力する構成であってもよい。

【0035】

表示部５１は、例えば、設備機器データ２１１の予測値を表示したり、オンプレミスサーバ３で作成された更新計画を表示したりすることができる。また、表示部５１は、更新計画を作成する際に使用する制約条件の入力を受け付ける画面を表示することもできる。

【0036】

ここで、設備更新計画作成支援システム１の動作について説明する。図６は、クラウドサーバ２における動作例を説明するためのフローチャートである。データベース処理部２２は、１日１回のデータ抽出タイミングであるか否かを判断する（ステップＳ１０１）。データベース処理部２２は、例えば、前回のデータ抽出処理を開始してからの経過時間が２４時間を超えたか否かを判断することで、１日１回のデータ抽出タイミングであるか否かを判断してもよいし、予めデータ抽出処理を行う時刻を決めておき、現在時刻が予め定められた時刻であるか否かを判断することで、１日１回のデータ抽出タイミングであるか否かを判断してもよい。

【0037】

データ抽出タイミングである場合（ステップＳ１０１：Ｙｅｓ）、データベース処理部２２は、ビル監視制御システム４からデータを抽出する（ステップＳ１０２）。データベース処理部２２は、ビル監視制御システム４から抽出したデータを、データベース２１に格納する（ステップＳ１０３）。このとき、データベース処理部２２は、抽出したデータをそのままデータベース２１に格納してもよいし、抽出したデータを加工した上でデータベース２１に格納してもよい。データ抽出タイミングでない場合（ステップＳ１０１：Ｎｏ）、データベース処理部２２は、ステップＳ１０２およびステップＳ１０３の処理を省略する。

【0038】

続いてデータベース処理部２２は、１ヶ月に１回の学習タイミングであるか否かを判断する（ステップＳ１０４）。データベース処理部２２は、例えば、毎月１日など学習処理を行う日付を予め定めておき、現在の日付が予め定めた日付に合致するか否かを判断することで、学習タイミングであるか否かを判断することができる。なお、ここでは１ヶ月に１回としたため、毎月学習処理を行う日付を予め定めておくこととしたが、例えば、３０日毎に学習処理を行うこととしてもよい。この場合、前回学習処理を行ってからの経過日数をカウントすることで、学習タイミングであるか否かを判断することができる。

【0039】

学習タイミングである場合（ステップＳ１０４：Ｙｅｓ）、データベース処理部２２は、機械学習装置２３に学習処理の実行を指示し、機械学習装置２３の学習用データ取得部２３１は、データベース２１から学習用データを取得する（ステップＳ１０５）。学習用データ取得部２３１は、取得した学習用データをモデル生成部２３２に出力する。モデル生成部２３２は、学習処理を実行して学習済モデルを生成する（ステップＳ１０６）。モデル生成部２３２は、生成した学習済モデルを学習済モデル記憶部２４に記憶させる（ステップＳ１０７）。学習タイミングでない場合（ステップＳ１０４：Ｎｏ）、ステップＳ１０５からステップＳ１０７の処理は省略される。

【0040】

データベース処理部２２は、１日１回の予測タイミングであるか否かを判断する（ステップＳ１０８）。データベース処理部２２は、例えば、前回の予測処理を開始してからの経過時間が２４時間を超えたか否かを判断することで、１日１回の予測タイミングであるか否かを判断してもよいし、予め予測処理を行う時刻を決めておき、現在時刻が予め定められた時刻であるか否かを判断することで、１日１回の予測タイミングであるか否かを判断してもよい。

【0041】

予測タイミングでない場合（ステップＳ１０８：Ｎｏ）、ユーザ端末５は、図６に示す処理を終了する。予測タイミングである場合（ステップＳ１０８：Ｙｅｓ）、データベース処理部２２は、推論装置２５に予測処理の実行を指示し、推論装置２５の推論用データ取得部２５１は、データベース２１から推論用データを取得する（ステップＳ１０９）。推論用データ取得部２５１は、取得した推論用データを推論部２５２に出力する。

【0042】

推論部２５２は、学習済モデルに推論用データを入力したデータ予測を行い、学習済モデルからの出力を予測データとしてデータベース処理部２２に出力する（ステップＳ１１０）。

【0043】

データベース処理部２２の補完部２２１は、推論部２５２が出力する予測データをデータベース２１に格納する（ステップＳ１１１）。補完部２２１は、さらに、タイムスタンプをデータベース２１に格納する（ステップＳ１１２）。

【0044】

なお、データ抽出タイミングや予測タイミングは、設備毎に定められてもよいし、全ての設備についてまとめて定められてもよい。

【0045】

図７は、ユーザ端末５およびオンプレミスサーバ３における動作例を説明するためのフローチャートである。ユーザ端末５は、入力部５２を用いたユーザの入力が有るか否かを判断する（ステップＳ２０１）。ユーザの入力がない場合（ステップＳ２０１：Ｎｏ）、ユーザ端末５は、ステップＳ２０１の処理を繰り返す。ユーザの入力が有る場合（ステップＳ２０１：Ｙｅｓ）、ユーザ端末５は、操作信号に基づいて、ユーザが予測値表示のための入力を行ったか否かを判断する（ステップＳ２０２）。予測値表示である場合（ステップＳ２０２：Ｙｅｓ）、ユーザ端末５は、表示部５１を用いて予測値の表示を行い（ステップＳ２０３）、図７に示す処理を終了する。

【0046】

図８は、ユーザ端末５が表示する予測値表示画面の一例を示す図である。表示部５１が表示する表示画面について例示する。例えば、表示部５１は、データベース２１に記憶された設備機器データ２１１の予測値および実測値を表示画面に表示することができる。図８に示す例では、実測値が存在する期間については、実測値と予測値とを重畳して表示し、実測値が存在しない期間については予測値のみを表示している。なお、ここでは、設備機器データ２１１のランニングコストを電力量（ｋＷｈ）で示している。実測値が存在する期間において予測値も重畳して表示することで、ユーザは予測値の精度を確認することができる。

【0047】

図７の説明に戻る。予測値表示でない場合（ステップＳ２０２：Ｎｏ）、ユーザ端末５は、操作信号に基づいて、ユーザが最適化処理を行うための操作を行ったか否かを判断する（ステップＳ２０４）。最適化処理でない場合（ステップＳ２０４：Ｎｏ）、ユーザ端末５は、図７に示す処理を終了する。最適化処理である場合（ステップＳ２０４：Ｙｅｓ）、ユーザ端末５は、ユーザによって入力された制約条件を読み取り（ステップＳ２０５）、制約条件をオンプレミスサーバ３に送信して最適化処理の実行を指示する。

【0048】

オンプレミスサーバ３は、ユーザ端末５からの指示と受信した制約条件とに基づいて、最適化処理を実行する（ステップＳ２０６）。具体的には、オンプレミスサーバ３の更新計画作成部３２は、ユーザ端末５から最適化処理の実行の指示を受け付けると、データベース２１から最適化処理に用いる設備機器データ２１１を取得し、取得した設備機器データ２１１と、ユーザ端末５から受信した制約条件とに基づいて、最適化処理を行って設備の更新計画を作成する。

【0049】

更新計画作成部３２は、作成した更新計画を更新計画記憶部３３に保存する（ステップＳ２０７）。更新計画作成部３２は、生成した更新計画に基づいて、更新計画の表示画面を表示するための画面表示データを生成してユーザ端末５に送信する。ユーザ端末５は、オンプレミスサーバ３から受信した画面表示データを用いて、生成された更新計画を表示する（ステップＳ２０８）。

【0050】

図９は、ユーザ端末５が表示する更新計画表示画面の一例を示す図である。更新計画の表示画面には、年度毎に、更新対象の設備と、更新後の設備と、更新にかかる費用とが含まれている。最適化処理の出力と、データベース２１に記憶されたデータとから図９に示すような情報が抽出され、画面表示データが生成される。

【0051】

以上説明したように、実施の形態１にかかる設備更新計画作成支援システム１は、複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データ２１１の時系列データの実測値と、設備の種別および稼働状況を含む設備関連データ２１２とを蓄積したデータベース２１と、推論対象の設備の設備関連データ２１２を取得する推論用データ取得部２５１と、設備関連データ２１２から設備機器データ２１１の時系列データを推論するための学習済モデルを用いて、推論用データ取得部２５１が取得した設備関連データ２１２から設備機器データ２１１の予測値を出力する推論部２５２と、推論部２５２が出力する予測値を用いて設備機器データ２１１を補完し、設備機器データ２１１の実測値と予測値とを含む補完後の時系列データを生成する補完部２２１と、更新計画に対する制約条件と、設備機器データ２１１の補完後の時系列データとに基づいて、設備の更新計画を生成する更新計画作成部３２と、を備える。このような構成を有することにより、設備に関するデータが十分に蓄積されていない場合であっても、補完後の時系列データを用いて更新計画が作成されるため、適切な更新計画を作成することが可能になる。

【0052】

また、補完部２２１は、予測値を生成した日時を示す推論日時情報であるタイムスタンプを記録する。これにより、設備機器データ２１１の実測値と予測値とを区別することが可能になる。また、補完後の時系列データを表示画面に表示する表示部５１、をさらに備え、表示部５１は、タイムスタンプに基づいて、時系列データに含まれる実測値と予測値とを異なる表現で区別可能に表示することもできる。なお、表示部５１は、例えば、文字の種類、太さ、色などを変えることで、実測値と予測値とを区別可能に表示してもよいし、各データの背景の模様や色を変えることで、実測値と予測値とを区別可能に表示してもよい。

【0053】

また、設備更新計画作成支援システム１は、設備の設備関連データ２１２と、設備機器データ２１１の実測値とを含む学習用データを取得する学習用データ取得部２３１と、学習用データを用いて、設備の設備関連データ２１２から設備機器データ２１１の時系列データを推論するための学習済モデルを生成するモデル生成部２３２と、をさらに備えることができる。

【0054】

また、実施の形態１によれば、建物に備わる設備の更新計画の作成を支援する設備更新計画作成支援方法を提供することもできる。設備更新計画作成支援方法は、複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データ２１１の時系列データの実測値と、設備の種別および稼働状況を含む設備関連データ２１２とを蓄積したデータベース２１から、推論対象の設備の設備関連データ２１２を取得するステップと、設備関連データ２１２から設備機器データ２１１の時系列データを推論するための学習済モデルを用いて、推論対象の設備の設備関連データ２１２から設備機器データ２１１の予測値を出力するステップと、予測値を用いて設備機器データ２１１を補完し、設備機器データ２１１の実測値と予測値とを含む補完後の時系列データを生成するステップと、更新計画に対する制約条件と、設備機器データ２１１の補完後の時系列データとに基づいて、更新計画を生成するステップと、を含む。

【0055】

また、実施の形態１によれば、建物に備わる設備の更新計画の作成を支援する設備更新計画作成支援プログラムを提供することもできる。設備更新計画作成支援プログラムは、複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データ２１１の時系列データの実測値と、設備の種別および稼働状況を含む設備関連データ２１２とを蓄積したデータベース２１から、推論対象の設備の設備関連データ２１２を取得するステップと、設備関連データ２１２から設備機器データ２１１の時系列データを推論するための学習済モデルを用いて、推論対象の設備の設備関連データ２１２から設備機器データ２１１の予測値を出力するステップと、予測値を用いて設備機器データ２１１を補完し、設備機器データ２１１の実測値と予測値とを含む補完後の時系列データを生成するステップと、更新計画に対する制約条件と、設備機器データ２１１の補完後の時系列データとに基づいて、更新計画を生成する装置に、生成した補完後の時系列データを提供するステップと、をコンピュータに実行させる。

【0056】

実施の形態２．
図１０は、実施の形態２にかかる設備更新計画作成支援システム１Ａの機能構成を示す図である。なお、設備更新計画作成支援システム１Ａについても設備更新計画作成支援システム１と同様に、実際には図１に示すように、複数のユーザ企業の複数のオンプレミスサーバ３、ビル監視制御システム４およびユーザ端末５が共通のクラウドサーバ２に接続されているが、簡単のため、図１０では１つのユーザ企業についてのみ示す。

【0057】

設備更新計画作成支援システム１Ａは、クラウドサーバ２と、オンプレミスサーバ３Ａと、ビル監視制御システム４と、ユーザ端末５とを有する。なお、設備更新計画作成支援システム１と同様の部分については同一の符号を付して説明を省略し、以下、設備更新計画作成支援システム１と異なる部分について主に説明する。

【0058】

オンプレミスサーバ３Ａは、データ通信部３１と、更新計画作成部３２Ａと、更新計画記憶部３３と、制御部３４とを有する。

【0059】

更新計画作成部３２Ａは、データベース２１に記憶されている設備機器データ２１１と、ユーザ端末５から入力される制約条件とに基づいて、最適化処理を行い、コストが最小であって制約条件を満たす設備の更新計画を作成する。

【0060】

更新計画作成部３２Ａは、設備機器データ２１１に含まれるイニシャルコストの数値データと、ランニングコストおよび故障確率の時系列データとを用いて、設備の更新計画を作成する。また、更新計画作成部３２Ａは、省エネ目標値、予算、工事期間、法規制といった制約条件を満たすように、設備の更新計画を作成する。ここで更新計画作成部３２Ａが使用するアルゴリズムは特に限定されない。例えば、更新計画作成部３２Ａは、線形計画法を用いて、設備の更新計画を作成することができる。線形計画法を用いる場合、更新計画作成部３２Ａは、「イニシャルコストと、故障確率に基づいて導出されるランニングコスト期待値との和」を目的関数とし、「省エネ目標値、予算、工事期間、および法規制」を制約条件とし、「各年度の各設備の制御項目のＯＮ／ＯＦＦを表す１／０変数」を変数として、問題を定式化し、目的関数が最小となる変数の組み合わせを求めることによって、設備の更新計画を求めることができる。この場合、最適化処理の出力は、「各年度の各設備の制御項目のＯＮ／ＯＦＦを表す１／０変数」の列となる。ここで、「各年度の各設備の制御項目のＯＮ／ＯＦＦを表す１／０変数」の値は、「各年度の各設備を使用するか否かを表す１／０変数」ともいうことができる。つまり、各年度の各設備を使用する場合には、制御項目がＯＮであり、各年度の各設備を使用しない場合には、制御項目がＯＦＦとなる。また、更新計画作成部３２Ａは、線形計画法以外にも、最急降下法、動的計画法などのアルゴリズムを用いて、設備の更新計画を作成することができる。更新計画作成部３２Ａは、作成した更新計画を、更新計画記憶部３３に記憶する。「各年度の各設備の制御項目のＯＮ／ＯＦＦを表す１／０変数」を出力することで、最適化処理の出力は、設備の更新計画を含んだ設備運用計画となる。

【0061】

制御部３４は、更新計画作成部３２Ａが作成した設備運用計画に基づいて、ビル監視制御システム４の制御を行う。具体的には、最適化処理の出力である「各年度の各設備の制御項目のＯＮ／ＯＦＦを表す１／０変数」をビル監視制御システム４の制御命令列に変換して、変換後の制御命令列をデータ通信部３１を介してビル監視制御システム４に送信する。これにより、ビル監視制御システム４は、設備の更新計画に従って、各設備を監視対象に追加したり監視対象から除外したりすることが可能になる。

【0062】

以上説明したように、実施の形態２にかかる設備更新計画作成支援システム１Ａによれば、実施の形態１と同様の効果を奏することができる。また、実施の形態２にかかる設備更新計画作成支援システム１Ａの更新計画作成部３２Ａは、対象の建物に備わる設備を各期間において使用するか否かを示す変数の値を決定することによって更新計画を生成し、変数の値を、ビル監視制御システム４の制御命令列に変換して、制御命令列をビル監視制御システム４に送信する制御部３４をさらに備える。これにより、設備の更新によりビル監視制御システム４の制御項目が変わることになるが、ユーザが手入力によって各制御項目の設定を変更しなくても、自動的に制御項目のＯＮ／ＯＦＦを変更することが可能になる。

【0063】

実施の形態３．
図１１は、実施の形態３にかかる設備更新計画作成支援システム１Ｂの機能構成を示す図である。なお、設備更新計画作成支援システム１Ｂについても設備更新計画作成支援システム１，１Ａと同様に、実際には図１に示すように、複数のユーザ企業の複数のオンプレミスサーバ３、ビル監視制御システム４およびユーザ端末５が共通のクラウドサーバ２に接続されているが、簡単のため、図１１では１つのユーザ企業についてのみ示す。

【0064】

設備更新計画作成支援システム１Ｂは、クラウドサーバ２と、オンプレミスサーバ３Ｂと、ビル監視制御システム４と、ユーザ端末５とを有する。なお、設備更新計画作成支援システム１と同様の部分については同一の符号を付して説明を省略し、以下、設備更新計画作成支援システム１と異なる部分について主に説明する。

【0065】

オンプレミスサーバ３Ｂは、データ通信部３１と、更新計画作成部３２Ｂと、更新計画記憶部３３と、検索処理部３５と、情報登録部３６とを有する。

【0066】

検索処理部３５は、ユーザ端末５に設備の検索画面を提供し、検索画面に入力された検索クエリに基づいて、データベース２１に記憶された設備の検索を行う。検索クエリは、例えば、イニシャルコスト、ランニングコスト、故障確率、メーカ名、リリース年、製品仕様、使用推奨環境、交換時期などである。このため、本実施の形態ではデータベース２１に、設備のメーカ、リリース年のデータを記憶している。検索処理部３５は、検索クエリに合致した設備の情報を含む表示画面をユーザ端末５に提供することができる。また、検索処理部３５は、検索クエリの情報を、更新計画作成部３２Ｂが認識可能な制約条件のデータ形式に変換して、更新計画作成部３２Ｂに出力することができる。

【0067】

情報登録部３６は、データベース２１へ設備のメーカ、リリース年などの情報を登録するための登録画面をユーザ端末５に提供し、ユーザ端末５からの入力情報をデータベース処理部２２に送信することで、データベース２１に設備の情報を登録する。情報登録部３６は、例えば、システム稼働時と、設備の変更時にユーザの入力に基づいて設備の情報を登録する。

【0068】

更新計画作成部３２Ｂは、検索処理部３５が出力する制約条件に基づいて、更新計画を作成することができる。更新計画作成部３２Ｂの機能は、検索処理部３５が出力する制約条件を用いることができる以外は、更新計画作成部３２と同様である。

【0069】

オンプレミスサーバ３Ｂは、ユーザ端末５を用いたユーザ操作を受け付けた場合に限って、検索クエリを更新計画に反映する、つまり検索クエリから変換して生成された制約条件を用いた更新計画を作成してもよい。例えば、検索処理部３５は、検索結果と、検索結果に対応する検索クエリを更新計画に反映するための操作を受け付ける操作オブジェクトとを表示画面に表示させるための画面表示データを生成する。表示部５１がこの画面表示データに基づいて表示画面を表示し、表示された操作オブジェクトに対する操作を受け付けると、検索処理部３５が検索クエリを制約条件に変換し、更新計画作成部３２Ｂがこの制約条件に基づいて更新計画を作成するようにしてもよい。

【0070】

以上説明したように、実施の形態３にかかる設備更新計画作成支援システム１Ｂは、検索条件である検索クエリの入力を受け付け、データベース２１から検索クエリに当てはまる設備を抽出し、検索クエリを制約条件に変換する検索処理部３５をさらに備え、更新計画作成部３２Ｂは、検索処理部３５が検索クエリから変換した制約条件に基づいて、更新計画を生成する。

【0071】

また、設備更新計画作成支援システム１Ｂは、検索処理部３５による検索結果と、検索結果に対応する検索条件を更新計画に反映するための操作を受け付ける操作オブジェクトとを表示画面に表示する表示部５１をさらに備え、検索処理部３５は、操作オブジェクトに対する操作を受け付けると、検索条件を制約条件に変換することもできる。

【0072】

また、設備更新計画作成支援システム１Ｂにおいてデータベース２１は、設備のメーカおよび設備のリリース年の少なくとも１つをさらに記憶する。設備のメーカ、リリース年といった情報は、情報登録部３６によって、ユーザ操作に応じて登録することができる。

【0073】

実施の形態４．
図１２は、実施の形態４にかかる設備更新計画作成支援システム１Ｃの機能構成を示す図である。なお、設備更新計画作成支援システム１Ｃについても設備更新計画作成支援システム１，１Ａ，１Ｂと同様に、実際には図１に示すように、複数のユーザ企業の複数のオンプレミスサーバ３、ビル監視制御システム４およびユーザ端末５が共通のクラウドサーバ２に接続されているが、簡単のため、図１２では１つのユーザ企業についてのみ示す。

【0074】

設備更新計画作成支援システム１Ｃは、クラウドサーバ２と、オンプレミスサーバ３Ｃと、ビル監視制御システム４と、ユーザ端末５とを有する。なお、設備更新計画作成支援システム１と同様の部分については同一の符号を付して説明を省略し、以下、設備更新計画作成支援システム１と異なる部分について主に説明する。

【0075】

データベース２１には、設備の稼働状況を示す稼働データと、消費電力量とが記憶されていることとする。オンプレミスサーバ３Ｃは、データ通信部３１と、更新計画作成部３２と、更新計画記憶部３３と、余剰設備算出部３７とを有する。

【0076】

余剰設備算出部３７は、データベース２１に記憶されている設備関連データ２１２および設備機器データ２１１と、更新計画記憶部３３に記憶された更新計画とに基づいて、統計的手法により、設備の稼働状況の評価を行い、「過剰使用」「設備余剰」「通常使用」といった判定結果を出力する。具体的には、余剰設備算出部３７は、稼働データおよび消費電力量のデータと、更新計画とに基づいて、設備の稼働状況の評価を行うことができる。判定結果の出力にあたって、余剰設備算出部３７は、設備毎に、「過剰使用」「設備余剰」「通常使用」といった判定結果を示した表示画面を、データ通信部３１を介してユーザ端末５に出力することができる。

【0077】

なお、余剰設備算出部３７が稼働状況の評価にあたって使用するデータは、更新計画については、ユーザ企業自身のものとし、稼働データおよび消費電力量については、ユーザ企業自身の保有する設備に関するデータに加えて、ユーザ企業自身の保有する設備と同じ設備であって他のユーザ企業の保有するものに関するデータを使用することができる。

【0078】

余剰設備算出部３７が稼働状況の評価を行う手法については様々な手法が考えられるが、一例として、以下の手法が考えられる。余剰設備算出部３７は、まず、他のユーザ企業の保有する設備の稼働データおよび消費電力量を図１３に示すように正規分布に変換する。図１３は、余剰設備算出部３７の処理についての説明図である。図１３の横軸は、稼働データ、消費電力量といった観測データを示し、縦軸は確率密度を示している。続いて余剰設備算出部３７は、ユーザ企業自身の保有する設備の稼働データおよび消費電力量を更新計画に合わせて補正する。続いて余剰設備算出部３７は、ユーザ企業自身の保有する設備のデータと、正規分布に変換したデータの標準偏差σとに基づいて、稼働状況を評価する。具体的には、ユーザ企業自身の保有する設備のデータが、「平均＋２σ」よりも大きければ、設備の「過剰使用」であると判定し、ユーザ企業自身の保有する設備のデータが、「平均－２σ」よりも小さければ、「設備余剰」と判定し、「平均±２σ」の間の範囲であれば「通常使用」と判定する。なお、図１３に示すように、「平均±２σ」の間の範囲に全体の約９５％のデータが含まれる。表示部５１は、余剰設備算出部３７による評価結果を示す表示画面を表示することができる。例えば、表示画面には、「過剰使用」「設備余剰」「通常使用」といった分類を示す情報を表示することができる。

【0079】

以上説明したように、実施の形態４にかかる設備更新計画作成支援システム１Ｃは、設備関連データ２１２と、設備機器データ２１１と、更新計画とに基づいて、設備の稼働状況を評価する余剰設備算出部３７をさらに備える。また、表示部５１は、余剰設備算出部３７による評価結果を、設備が通常の使用状況の範囲内であるか、設備が通常よりも過剰使用の状態であるか、または、設備が設備余剰の状態であるかを示す情報を用いて表示画面に表示することができる。

【0080】

実施の形態５．
図１４は、実施の形態５にかかる設備更新計画作成支援システム１Ｄの機能構成を示す図である。なお、設備更新計画作成支援システム１Ｄについても設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃと同様に、実際には図１に示すように、複数のユーザ企業の複数のオンプレミスサーバ３、ビル監視制御システム４およびユーザ端末５が共通のクラウドサーバ２に接続されているが、簡単のため、図１４では１つのユーザ企業についてのみ示す。

【0081】

設備更新計画作成支援システム１Ｄは、クラウドサーバ２Ｄと、オンプレミスサーバ３と、ビル監視制御システム４と、ユーザ端末５とを有する。なお、設備更新計画作成支援システム１と同様の部分については同一の符号を付して説明を省略し、以下、設備更新計画作成支援システム１と異なる部分について主に説明する。

【0082】

クラウドサーバ２Ｄは、データベース２１Ｄと、データベース処理部２２Ｄと、機械学習装置２３Ｄと、学習済モデル記憶部２４と、推論装置２５Ｄとを有する。データベース２１Ｄは、設備機器データ２１１および設備関連データ２１２に加えて、環境データ２１３を記憶する。環境データ２１３は、設備の設置された環境を示すデータであり、例えば、気温、湿度、日照時間、気象の時系列データや、設備が設置された階数などを示すデータを含む。ここでは、データベース処理部２２Ｄがビル監視制御システム４から環境データを取得することとするが、気温などの一般的なデータについては、データベース処理部２２Ｄが設備の設置された場所に基づいて、気象情報を提供するサーバなどから取得してもよい。

【0083】

補完部２２１Ｄは、設備機器データ２１１に加えて、環境データ２１３についても機械学習装置２３Ｄに学習処理の実行を指示し、推論装置２５Ｄを用いて環境データ２１３の予測値を生成し、生成した予測値を用いて、環境データ２１３の補完処理を行う。

【0084】

機械学習装置２３Ｄは、機械学習装置２３の機能に加えて、設備関連データ２１２から環境データ２１３に含まれる時系列データ、例えば気温の時系列データを推論するための学習済モデルを生成する機能を有する。学習用データ取得部２３１Ｄは、設備機器データ２１１、設備関連データ２１２および環境データ２１３を学習用データとして取得する。モデル生成部２３２Ｄは、モデル生成部２３２の機能に加えて、設備関連データ２１２から環境データ２１３を推論するための学習済モデルを生成する機能を有する。なお、モデル生成部２３２Ｄが設備関連データ２１２から環境データ２１３を推論するための学習済モデルを生成する手順については、モデル生成部２３２が設備関連データ２１２から設備機器データ２１１を推論するための学習済モデルを生成する手順において、「設備機器データ２１１」を「環境データ２１３」に置き換えればよいため、ここでは詳細な説明を省略する。

【0085】

推論装置２５Ｄは、推論装置２５の機能に加えて、設備関連データ２１２から環境データ２１３の予測値を推論して出力する機能を有する。補完部２２１Ｄは、推論装置２５Ｄが出力した予測値を用いて、データベース２１に記憶された設備機器データ２１１と、環境データ２１３とを補完する。このため、ユーザ端末５が予測値の表示を行う際には、ランニングコスト、故障確率といった設備機器データ２１１の予測値に加えて、環境データ２１３の予測値を表示することができる。

【0086】

以上説明したように、実施の形態５にかかる設備更新計画作成支援システム１Ｄによれば、データベース２１Ｄは、設備が設置された環境を示す環境データ２１３をさらに記憶し、環境データ２１３は設備が設置された場所の気温の時系列データを含み、学習済モデルは、設備関連データ２１２から気温の時系列データをさらに推論し、推論部２５２Ｄは、学習済モデルを用いて、推論用データ取得部２５１Ｄが取得した設備関連データ２１２から現時点よりも将来の気温の予測値を出力する。

【0087】

ここで、上記の実施の形態１～５で説明した設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄのハードウェア構成について説明する。設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄのクラウドサーバ２，２Ｄ、オンプレミスサーバ３，３Ａ，３Ｂ，３Ｃ、ビル監視制御システム４、ユーザ端末５は、例えば、コンピュータシステムにより実現される。クラウドサーバ２，２Ｄ、オンプレミスサーバ３，３Ａ，３Ｂ，３Ｃ、ビル監視制御システム４、ユーザ端末５のそれぞれは、１つのコンピュータシステムにより実現されてもよいし、複数のコンピュータシステムにより実現されてもよい。また、図示した構成は一例であり、同様の機能を実現可能であればよい。例えば、クラウドサーバ２，２Ｄは、必ずしもクラウドシステムにより実現されなくてもよく、複数のユーザ企業からアクセス可能なサーバであればよい。また、設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄにおける各機能を搭載する装置は、一例であり、設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄにおいて異なる装置に搭載された複数の構成要素が１つのコンピュータシステムで実現されてもよいし、設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄにおいて同一の装置に搭載された複数の構成要素が異なる複数のコンピュータシステムが実現されてもよい。例えば、図２などでは、更新計画作成部３２と更新計画記憶部３３とは同一のオンプレミスサーバ３に搭載されているが、更新計画作成部３２と更新計画記憶部３３とは異なるコンピュータシステムによって実現されてもよい。例えば、更新計画作成部３２の機能がクラウドサーバ２，２Ｄ上で実現されてもよい。クラウドシステムでは、コンピュータシステムのハードウェアと、機能ごとのサーバ等の装置との切り分けを任意に設定できる。例えば、１台のコンピュータシステムが複数の装置としての機能を有していてもよいし、複数台のコンピュータシステムで１つの装置としての機能を有していてもよい。

【0088】

設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄを実現するコンピュータシステムの構成例を説明する。図１５は、設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄを実現するコンピュータシステムの構成例を示す図である。図１５に示すように、このコンピュータシステムは、制御部１０１と入力部１０２と記憶部１０３と表示部１０４と通信部１０５と出力部１０６とを備え、これらはシステムバス１０７を介して接続されている。

【0089】

図１５において、制御部１０１は、例えば、ＣＰＵ（Central Processing Unit）等である。制御部１０１は、本実施の形態の設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄが実施する各処理が記述された設備更新計画作成支援プログラムを実行する。入力部１０２は、たとえばキーボード、マウス等で構成され、コンピュータシステムのユーザが、各種情報の入力を行うために使用する。記憶部１０３は、ＲＡＭ（Random Access Memory），ＲＯＭ（Read Only Memory）等の各種メモリおよびハードディスク等のストレージデバイスを含み、上記制御部１０１が実行すべきプログラム、処理の過程で得られた必要なデータ等を記憶する。また、記憶部１０３は、プログラムの一時的な記憶領域としても使用される。表示部１０４は、ＬＣＤ（Liquid Crystal Display：液晶表示パネル）等で構成され、コンピュータシステムのユーザに対して各種画面を表示する。通信部１０５は、通信処理を実施する通信回路等である。通信部１０５は、複数の通信方式にそれぞれ対応する複数の通信回路で構成されていてもよい。出力部１０６は、プリンタ、外部記憶装置等の外部の装置へデータを出力する出力インタフェイスである。

【0090】

なお、図１５は、一例であり、コンピュータシステムの構成は図１５の例に限定されない。例えば、コンピュータシステムは出力部１０６を備えていなくてもよい。また、設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄを実現する全てのコンピュータシステムが図１５に示したコンピュータシステムでなくてもよい。例えば、一部のコンピュータシステムは図１５に示した表示部１０４、出力部１０６および入力部１０２のうち少なくとも１つを備えていなくてもよい。

【0091】

ここで、設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄの処理が記述された設備更新計画作成支援プログラムが実行可能な状態になるまでのコンピュータシステムの動作例について説明する。上述した構成をとるコンピュータシステムには、たとえば、図示しないＣＤ（Compact Disc）－ＲＯＭドライブまたはＤＶＤ（Digital Versatile Disc）－ＲＯＭドライブにセットされたＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭから、設備更新計画作成支援プログラムが記憶部１０３にインストールされる。そして、設備更新計画作成支援プログラムの実行時に、記憶部１０３から読み出された設備更新計画作成支援プログラムが記憶部１０３の主記憶装置となる領域に格納される。この状態で、制御部１０１は、記憶部１０３に格納された設備更新計画作成支援プログラムに従って、本実施の形態の設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄとしての処理を実行する。

【0092】

なお、上記の説明においては、ＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭを記録媒体として、設備更新計画作成支援システム１，１Ａ，１Ｂ，１Ｃ，１Ｄにおける処理を記述したプログラムを提供しているが、これに限らず、コンピュータシステムの構成、提供するプログラムの容量等に応じて、たとえば、通信部１０５を経由してインターネット等の伝送媒体により提供されたプログラムを用いることとしてもよい。

【0093】

図２に示したデータ通信部３１は、図１５に示した通信部１０５により実現され、図２に示したデータベース２１、学習済モデル記憶部２４および更新計画記憶部３３は、図１５に示した記憶部１０３の一部であり、図２に示したデータベース処理部２２は、図１５に示した通信部１０５および制御部１０１により実現され、図２に示した機械学習装置２３、推論装置２５および更新計画作成部３２は、図１５に示した制御部１０１により実現され、図２に示した入力部５２は、図１５に示した入力部１０２により実現され、図２に示す表示部５１は、図１５に示す表示部１０４により実現される。

【0094】

また、図１０に示す更新計画作成部３２Ａおよび制御部３４、図１１に示す更新計画作成部３２Ｂ、検索処理部３５および情報登録部３６、図１２に示す余剰設備算出部３７、図１４に示す機械学習装置２３Ｄおよび推論装置２５Ｄについても、図１５に示した制御部１０１により実現される。また、図１４に示すデータベース２１Ｄは図１５に示した記憶部１０３の一部であり、図１４に示すデータベース処理部２２Ｄは図１５に示した通信部１０５および制御部１０１により実現される。その他、図１０～１２，１４に示す各機能部について、図２と同一の符号が付されている機能部については、図２の機能部と同様である。

【0095】

以上の実施の形態に示した構成は、本開示の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本開示の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

【0096】

例えば、実施の形態３～５に示すオンプレミスサーバ３，３Ｂ，３Ｃが、実施の形態２で説明したビル監視制御システム４を制御する制御部３４を有していてもよいし、実施の形態３に示す検索処理部３５および情報登録部３６の機能を、実施の形態４に示すオンプレミスサーバ３Ｃや実施の形態５に示すオンプレミスサーバ３が有していてもよい。

【0097】

以下、本開示の諸態様を付記としてまとめて記載する。

【0098】

（付記１）
複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースと、
推論対象の設備の前記設備関連データを取得する推論用データ取得部と、
前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを用いて、前記推論用データ取得部が取得した前記設備関連データから前記設備機器データの予測値を出力する推論部と、
前記推論部が出力する前記予測値を用いて前記設備機器データを補完し、前記設備機器データの前記実測値と前記予測値とを含む補完後の時系列データを生成する補完部と、
更新計画に対する制約条件と、前記設備機器データの前記補完後の時系列データとに基づいて、前記設備の更新計画を生成する更新計画作成部と、
を備えることを特徴とする設備更新計画作成支援システム。
（付記２）
前記補完部は、前記予測値を生成した日時を示す推論日時情報を記録することを特徴とする付記１に記載の設備更新計画作成支援システム。
（付記３）
前記設備の前記設備関連データと、前記設備機器データの実測値とを含む学習用データを取得する学習用データ取得部と、
前記学習用データを用いて、前記設備の前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを生成するモデル生成部と、
をさらに備えることを特徴とする付記１または２に記載の設備更新計画作成支援システム。
（付記４）
前記更新計画作成部は、対象の前記建物に備わる前記設備を各期間において使用するか否かを示す変数の値を決定することによって前記更新計画を生成し、
前記変数の値を、前記設備の監視制御システムの制御命令列に変換して、前記制御命令列を前記監視制御システムに送信する制御部、
をさらに備えることを特徴とする付記１から３のいずれか１つに記載の設備更新計画作成支援システム。
（付記５）
検索条件の入力を受け付け、前記データベースから前記検索条件に当てはまる前記設備を抽出し、前記検索条件を前記制約条件に変換する検索処理部、
をさらに備え、
前記更新計画作成部は、前記検索処理部が前記検索条件から変換した前記制約条件に基づいて、前記更新計画を生成することを特徴とする付記１から４のいずれか１つに記載の設備更新計画作成支援システム。
（付記６）
前記検索処理部による検索結果と、前記検索結果に対応する前記検索条件を前記更新計画に反映するための操作を受け付ける操作オブジェクトとを表示画面に表示する表示部、
をさらに備え、
前記検索処理部は、前記操作オブジェクトに対する操作を受け付けると、前記検索条件を前記制約条件に変換することを特徴とする付記５に記載の設備更新計画作成支援システム。
（付記７）
前記データベースは、前記設備のメーカおよび前記設備のリリース年の少なくとも１つをさらに記憶することを特徴とする付記５または６に記載の設備更新計画作成支援システム。
（付記８）
前記設備関連データと、前記設備機器データと、前記更新計画とに基づいて、前記設備の稼働状況を評価する余剰設備算出部、
をさらに備えることを特徴とする付記１から７のいずれか１つに記載の設備更新計画作成支援システム。
（付記９）
前記余剰設備算出部による評価結果を、前記設備が通常の使用状況の範囲内であるか、前記設備が通常よりも過剰使用の状態であるか、または、前記設備が設備余剰の状態であるかを示す情報を用いて表示画面に表示する表示部、
をさらに備えることを特徴とする付記８に記載の設備更新計画作成支援システム。
（付記１０）
前記データベースは、前記設備が設置された環境を示す環境データをさらに記憶し、
前記環境データは前記設備が設置された場所の気温の時系列データを含み、
前記学習済モデルは、前記設備関連データから前記気温の時系列データをさらに推論し、
前記推論部は、前記学習済モデルを用いて、前記推論用データ取得部が取得した前記設備関連データから前記気温の予測値を出力することを特徴とする付記１から９のいずれか１つに記載の設備更新計画作成支援システム。
（付記１１）
複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを含む学習用データを取得する学習用データ取得部と、
前記学習用データを用いて、前記設備の前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを生成するモデル生成部と、
を備えることを特徴とする学習装置。
（付記１２）
複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースから、推論対象の設備の前記設備関連データを取得する推論用データ取得部と、
前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを用いて、前記推論用データ取得部が取得した前記設備関連データから前記設備機器データの予測値を出力する推論部と、
を備えることを特徴とする推論装置。
（付記１３）
複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースから、推論対象の設備の前記設備関連データを取得するステップと、
前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを用いて、前記推論対象の設備の前記設備関連データから前記設備機器データの予測値を出力するステップと、
前記予測値を用いて前記設備機器データを補完し、前記設備機器データの前記実測値と前記予測値とを含む補完後の時系列データを生成するステップと、
更新計画に対する制約条件と、前記設備機器データの前記補完後の時系列データとに基づいて、前記更新計画を生成するステップと、
を含むことを特徴とする設備更新計画作成支援方法。
（付記１４）
複数の建物に備わる設備のランニングコストおよび故障確率を含む設備機器データの時系列データの実測値と、前記設備の種別および稼働状況を含む設備関連データとを蓄積したデータベースから、推論対象の設備の前記設備関連データを取得するステップと、
前記設備関連データから前記設備機器データの時系列データを推論するための学習済モデルを用いて、前記推論対象の設備の前記設備関連データから前記設備機器データの予測値を出力するステップと、
前記予測値を用いて前記設備機器データを補完し、前記設備機器データの前記実測値と前記予測値とを含む補完後の時系列データを生成するステップと、
更新計画に対する制約条件と、前記設備機器データの前記補完後の時系列データとに基づいて、前記更新計画を生成する装置に、生成した前記補完後の時系列データを提供するステップと、
をコンピュータに実行させることを特徴とする設備更新計画作成支援プログラム。

【符号の説明】

【0099】

１，１Ａ，１Ｂ，１Ｃ，１Ｄ 設備更新計画作成支援システム、２，２Ｄ クラウドサーバ、３，３－１，３－２，３－３，３Ａ，３Ｂ，３Ｃ オンプレミスサーバ、４，４－１，４－２，４－３ ビル監視制御システム、５，５－１，５－２，５－３ ユーザ端末、２１，２１Ｄ データベース、２２，２２Ｄ データベース処理部、２３，２３Ｄ 機械学習装置、２４ 学習済モデル記憶部、２５，２５Ｄ 推論装置、３１ データ通信部、３２，３２Ａ，３２Ｂ 更新計画作成部、３３ 更新計画記憶部、３４，１０１ 制御部、３５ 検索処理部、３６ 情報登録部、３７ 余剰設備算出部、５１，１０４ 表示部、５２，１０２ 入力部、１０３ 記憶部、１０５ 通信部、１０６ 出力部、１０７ システムバス、２１１ 設備機器データ、２１２ 設備関連データ、２１３ 環境データ、２２１，２２１Ｄ 補完部、２３１，２３１Ｄ 学習用データ取得部、２３２，２３２Ｄ モデル生成部、２３２－１ 生成器、２３２－２ 識別器、２５１，２５１Ｄ 推論用データ取得部、２５２，２５２Ｄ 推論部。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】