特開 2024-145534 情報処理装置、方法、およびプログラム

(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】P2024145534

(43)【公開日】2024-10-15

(54)【発明の名称】情報処理装置、方法、およびプログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20241004BHJP

   G06N 20/00 20190101ALI20241004BHJP

   G06Q 10/04 20230101ALI20241004BHJP

【ＦＩ】

G05B23/02 G

G05B23/02 302R

G06N20/00 130

G06Q10/04

【審査請求】有

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2023057927

(22)【出願日】2023-03-31

(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】山田 祥平

(72)【発明者】

【氏名】吉見 学

(72)【発明者】

【氏名】木村 駿介

【テーマコード（参考）】

3C223

5L010

5L049

【Ｆターム（参考）】

3C223AA01

3C223AA05

3C223AA23

3C223BA03

3C223CC02

3C223DD03

3C223EB01

3C223EB02

3C223EB07

3C223FF02

3C223FF03

3C223FF05

3C223FF12

3C223FF13

3C223FF22

3C223FF26

3C223FF35

3C223FF42

3C223FF52

3C223FF53

3C223GG01

3C223HH03

3C223HH08

3C223HH29

5L010AA04

5L049AA04

(57)【要約】

【課題】予測モデルの精度を向上させる。
【解決手段】本開示の一実施形態である情報処理装置は、機器の運転データから前記機器に関する値を予測する予測モデルと、制御部と、を備え、前記制御部は、前記運転データを前記予測モデルに入力することで得られる前記機器に関する値の予測値と、前記運転データから算出することで得られる前記機器に関する値の実際値と、の乖離に関する値が所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報に基づいて、前記乖離が異常範囲となる運転条件の特徴を分析し、前記乖離が異常範囲となる運転条件の特徴に基づいて、前記乖離が異常範囲となる運転条件の時の運転データと前記機器に関する値の実際値とを用いて前記予測モデルを更新する。
【選択図】図１２

【特許請求の範囲】

【請求項1】

機器の運転データから前記機器に関する値を予測する予測モデルと、制御部と、を備え、
前記制御部は、
前記運転データを前記予測モデルに入力することで得られる前記機器に関する値の予測値と、前記運転データから算出することで得られる前記機器に関する値の実際値と、の乖離に関する値が所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報に基づいて、
前記乖離が異常範囲となる運転条件の特徴を分析し、
前記乖離が異常範囲となる運転条件の特徴に基づいて、前記乖離が異常範囲となる運転条件の時の運転データと前記機器に関する値の実際値とを用いて前記予測モデルを更新する
情報処理装置。

【請求項2】

前記予測モデルは、前記機器に関する値が正常であるときの値を予測し、
前記制御部は、前記乖離に関する値が大きいと前記機器が異常であると判定する、請求項１の情報処理装置。

【請求項3】

前記予測モデルは、前記機器に関する値が異常であるときの値を予測し、
前記制御部は、前記乖離に関する値が小さいと前記機器が異常であると判定する、請求項１の情報処理装置。

【請求項4】

前記正常範囲は、前記乖離に関する値と前記所定の乖離に関する値の大きさから判定された前記機器の状態と実際の前記機器の状態が一致する範囲であり、
前記異常範囲は、前記乖離に関する値と前記所定の乖離に関する値の大きさから判定された前記機器の状態と実際の前記機器の状態が不一致となる範囲である、請求項１の情報処理装置。

【請求項5】

前記特徴の分析は、前記異常範囲となる運転条件を出現頻度の高い順に並び替えて上位から複数を抽出することである、請求項１の情報処理装置。

【請求項6】

前記予測モデルの更新は、前記特徴ごとに複数のモデルを生成して、前記予測モデルと置き換えることである、請求項１から５のいずれか一項に記載の情報処理装置。

【請求項7】

前記制御部は、前記乖離に関する値を減算または加算する値を前記特徴ごとに設定する、請求項１の情報処理装置。

【請求項8】

前記制御部は、前記機器の異常を判定するために用いられる乖離に関する値の閾値を前記特徴ごとに設定する、請求項１に記載の情報処理装置。

【請求項9】

前記機器に関する値は、空気調和機の冷媒量、性能劣化具合、要素部品の異常具合のいずれかに関する情報である、請求項１の情報処理装置。

【請求項10】

情報処理装置の制御部が実行する方法であって、
機器の運転データを前記機器の運転データから前記機器に関する値を予測する予測モデルに入力することで得られる前記機器に関する値の予測値と、前記運転データから算出することで得られる前記機器に関する値の実際値と、の乖離に関する値が、所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報を算出するステップと、
前記乖離が異常範囲となる運転条件の特徴を分析するステップと、
前記乖離が異常範囲となる運転条件の特徴に基づいて、前記乖離が異常範囲となる運転条件の時の運転データと前記機器に関する値の実際値とを用いて前記予測モデルを更新するステップと
を含む方法。

【請求項11】

機器の運転データを前記機器の運転データから前記機器に関する値を予測する予測モデルに入力することで得られる前記機器に関する値の予測値と、前記運転データから算出することで得られる前記機器に関する値の実際値と、の前記乖離に関する値が、所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報を算出する手順と、
前記乖離が異常範囲となる運転条件の特徴を分析する手順と、
前記乖離が異常範囲となる運転条件の特徴に基づいて、前記乖離が異常範囲となる運転条件の時の運転データと前記機器に関する値の実際値とを用いて前記予測モデルを更新する手順と
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、情報処理装置、方法、およびプログラムに関する。

【背景技術】

【0002】

従来、予測モデルを用いて、所与のデータから予測値を求めることが知られている（特許文献１）。

【0003】

例えば、空気調和機等の機器の運転データから、当該機器に関する値を予測する予測モデルにおいて、実際には機器が正常であるにもかかわらず異常であると予測したり、あるいは、実際には機器が異常であるにもかかわらず正常であると予測したりと、予測の誤差が生じることがある。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１４－０５９５９２号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、どのような条件で機器が運転しているときに予測モデルの予測の誤差が大きくなるのかが分からず、予測モデルの精度を向上させることができなかった。

【0006】

本開示では、予測モデルの精度を向上させる。

【課題を解決するための手段】

【0007】

本開示の第１の態様による情報処理装置は、
機器の運転データから前記機器に関する値を予測する予測モデルと、制御部と、を備え、
前記制御部は、
前記運転データを前記予測モデルに入力することで得られる前記機器に関する値の予測値と、前記運転データから算出することで得られる前記機器に関する値の実際値と、の乖離に関する値が所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報に基づいて、
前記乖離が異常範囲となる運転条件の特徴を分析し、
前記乖離が異常範囲となる運転条件の特徴に基づいて、前記乖離が異常範囲となる運転条件の時の運転データと前記機器に関する値の実際値とを用いて前記予測モデルを更新する。

【0008】

本開示の第１の態様によれば、予測モデルの精度を向上させることができる。

【0009】

本開示の第２の態様は、第１の態様に記載の情報処理装置であって、
前記予測モデルは、前記機器に関する値が正常であるときの値を予測し、
前記制御部は、前記乖離に関する値が大きいと前記機器が異常であると判定する。

【0010】

本開示の第２の態様によれば、機器が正常であるときのデータを機械学習して生成された予測モデルの精度を向上させることができる。

【0011】

本開示の第３の態様は、第１の態様に記載の情報処理装置であって、
前記予測モデルは、前記機器に関する値が異常であるときの値を予測し、
前記制御部は、前記乖離に関する値が小さいと前記機器が異常であると判定する。

【0012】

本開示の第３の態様によれば、機器が異常であるときのデータを機械学習して生成された予測モデルの精度を向上させることができる。

【0013】

本開示の第４の態様は、第１の態様から第３の態様のいずれかに記載の情報処理装置であって、
前記正常範囲は、前記乖離に関する値と前記所定の乖離に関する値の大きさから判定された前記機器の状態と実際の前記機器の状態が一致する範囲であり、
前記異常範囲は、前記乖離に関する値と前記所定の乖離に関する値の大きさから判定された前記機器の状態と実際の前記機器の状態が不一致となる範囲である。

【0014】

本開示の第４の態様によれば、予測される機器の状態と実際の機器の状態の誤差がなくなるよう予測モデルの精度を向上させることができる。

【0015】

本開示の第５の態様は、第１の態様から第４の態様のいずれかに記載の情報処理装置であって、
前記特徴の分析は、前記異常範囲となる運転条件を出現頻度の高い順に並び替えて上位から複数を抽出することである。

【0016】

本開示の第５の態様によれば、効率的に予測モデルの精度を向上させることができる。

【0017】

本開示の第６の態様は、第１の態様から第５の態様のいずれかに記載の情報処理装置であって、
前記予測モデルの更新は、前記特徴ごとに複数のモデルを生成して、前記予測モデルと置き換えることである。

【0018】

本開示の第６の態様によれば、機器が運転しているときの条件に応じた予測をすることができる。

【0019】

本開示の第７の態様は、第１の態様から第５の態様のいずれかに記載の情報処理装置であって、
前記制御部は、前記乖離に関する値を減算または加算する値を前記特徴ごとに設定する。

【0020】

本開示の第７の態様によれば、機器が運転しているときの条件に応じた予測をすることができる。

【0021】

本開示の第８の態様は、第１の態様から第５の態様のいずれかに記載の情報処理装置であって、
前記制御部は、前記機器の異常を判定するために用いられる乖離に関する値の閾値を前記特徴ごとに設定する。

【0022】

本開示の第８の態様によれば、機器が運転しているときの条件に応じた予測をすることができる。

【0023】

本開示の第９の態様は、第１の態様から第８の態様のいずれかに記載の情報処理装置であって、
前記機器に関する値は、空気調和機の冷媒量、性能劣化具合、要素部品の異常具合のいずれかに関する情報である。

【0024】

本開示の第９の態様によれば、種々の値を予測する予測モデルの精度を向上させることができる。

【0025】

本開示の第１０の態様による方法は、
情報処理装置の制御部が実行する方法であって、
機器の運転データを前記機器の運転データから前記機器に関する値を予測する予測モデルに入力することで得られる前記機器に関する値の予測値と、前記運転データから算出することで得られる前記機器に関する値の実際値と、の乖離に関する値が、所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報を算出するステップと、
前記乖離が異常範囲となる運転条件の特徴を分析するステップと、
前記乖離が異常範囲となる運転条件の特徴に基づいて、前記乖離が異常範囲となる運転条件の時の運転データと前記機器に関する値の実際値とを用いて前記予測モデルを更新するステップと
を含む。

【0026】

本開示の第１１の態様によるプログラムは、
機器の運転データを前記機器の運転データから前記機器に関する値を予測する予測モデルに入力することで得られる前記機器に関する値の予測値と、前記運転データから算出することで得られる前記機器に関する値の実際値と、の前記乖離に関する値が、所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報を算出する手順と、
前記乖離が異常範囲となる運転条件の特徴を分析する手順と、
前記乖離が異常範囲となる運転条件の特徴に基づいて、前記乖離が異常範囲となる運転条件の時の運転データと前記機器に関する値の実際値とを用いて前記予測モデルを更新する手順と
を実行させる。

【図面の簡単な説明】

【0027】

【図1】本開示の一実施形態に係る全体の構成を示す図である。

【図2】本開示の一実施形態に係る情報処理装置のハードウェア構成を示す図である。

【図3】本開示の一実施形態に係る制御部の機能構成を示す図である。

【図4】本開示の一実施形態に係る機器が正常であるときのデータを機械学習して生成された予測モデルについて説明するための図である。

【図5】本開示の一実施形態に係る機器が異常であるときのデータを機械学習して生成された予測モデルについて説明するための図である。

【図6】本開示の一実施形態に係る乖離が正常範囲であるか異常範囲であるかの評価について説明するための図である。

【図7】本開示の一実施形態に係る乖離が正常範囲であるか異常範囲であるかの評価について説明するための図である。

【図8】本開示の一実施形態に係る乖離が異常範囲となる運転条件の特徴の分析について説明するための図である。

【図9】本開示の一実施形態に係る乖離が異常範囲となる運転条件の特徴の分析について説明するための図である。

【図10】本開示の一実施形態に係る運転条件の特徴ごとの予測モデルの生成について説明するための図である。

【図11】本開示の一実施形態に係る運転条件の特徴ごとの乖離への減算値・加算値の設定および運転条件の特徴ごとの乖離の閾値の設定について説明するための図である。

【図12】本開示の一実施形態に係る乖離が異常範囲となる運転条件の特徴に基づいて予測モデルを更新する処理のフローチャートである。

【発明を実施するための形態】

【0028】

以下、図面に基づいて本開示の実施の形態を説明する。

【0029】

＜用語の説明＞
・「運転データ」とは、機器の運転中に取得されるデータ（変数）である。例えば、「運転データ」は、機器または要素部品への指令値や機器または要素部品の状態値（例えば、圧縮機回転数、膨張弁開度等）、運転中の機器の環境を示す値（例えば、室外温度、室内温度、室外湿度、室内湿度等）等である。例えば、「運転データ」は、機器または要素部品（当該機器を構成するもの）のセンサー等によって測定される。
・「機器に関する値」とは、機器または要素部品（当該機器を構成するもの）に関する任意のデータである。例えば、「機器に関する値」は、機器の異常を判定するために用いられるデータであり、機器または要素部品の状態を示す。例えば、「機器に関する値」は、空気調和機の冷媒量、性能劣化具合、要素部品の異常具合のいずれかに関する情報である。
・「運転条件」とは、機器が運転するときの条件である。つまり、「運転条件」は、どのような条件のときに運転データが取得されたかを示す。

【0030】

＜全体の構成＞
図１は、本開示の一実施形態に係る全体の構成を示す図である。

【0031】

＜＜情報処理装置＞＞
情報処理装置１０は、機器に関する値の予測値（詳細には、機器１１の運転データを予測モデルに入力することで得られる値）と、機器に関する値の実際値（詳細には、機器１１の運転データから算出することで得られる値）と、の乖離が異常範囲となる運転条件（つまり、どのような条件のときに運転データが取得されたか）の特徴を分析して、予測モデルを更新する装置である。

【0032】

情報処理装置１０は、１つまたは複数のコンピュータから構成される。情報処理装置１０は、機器１１の運転データを取得する（例えば、任意のネットワークを介して、機器１１に備えられた通信機器から機器１１の運転データを受信する）。

【0033】

＜＜機器＞＞
機器１１は、空気調和機等の任意の機器であってよい。なお、図１では、３つの機器１１が示されているが、機器１１の数はこれに限定されない。

【0034】

＜ハードウェア構成＞
図２は、本開示の一実施形態に係る情報処理装置１０のハードウェア構成を示す図である。情報処理装置１０は、制御部１００１と、主記憶部１００２と、補助記憶部１００３と、入力部１００４と、出力部１００５と、インタフェース部１００６と、を備えることができる。以下、それぞれについて説明する。

【0035】

制御部１００１は、補助記憶部１００３にインストールされている各種プログラムを実行するプロセッサ（例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）など）である。

【0036】

主記憶部１００２は、不揮発性メモリ（ＲＯＭ（Read Only Memory））および揮発性メモリ（ＲＡＭ（Random Access Memory））を含む。ＲＯＭは、補助記憶部１００３にインストールされている各種プログラムを制御部１００１が実行するために必要な各種プログラム、データ等を格納する。ＲＡＭは、補助記憶部１００３にインストールされている各種プログラムが制御部１００１によって実行される際に展開される作業領域を提供する。

【0037】

補助記憶部１００３は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する補助記憶デバイスである。

【0038】

入力部１００４は、情報処理装置１０の操作者が情報処理装置１０に対して各種指示を入力する入力デバイスである。

【0039】

出力部１００５は、情報処理装置１０の内部状態等を出力する出力デバイスである。

【0040】

インタフェース部１００６は、ネットワークに接続し、他の装置と通信を行うための通信デバイスである。

【0041】

＜機能構成＞
図３は、本開示の一実施形態に係る制御部１００１の機能構成を示す図である。制御部１００１は、運転データ取得部１０１と、予測部１０２と、予測モデル記憶部１０３と、実際値算出部１０４と、乖離評価部１０５と、分析部１０６と、予測モデル更新部１０７と、制御値更新部１０８と、を備えることができる。制御部１００１は、プログラムを実行することによって、運転データ取得部１０１、予測部１０２、実際値算出部１０４、乖離評価部１０５、分析部１０６、予測モデル更新部１０７、制御値更新部１０８、として機能することができる。

【0042】

運転データ取得部１０１は、機器１１の運転データを取得する。

【0043】

予測部１０２は、予測モデル記憶部１０３に記憶されている予測モデルに、運転データ取得部１０１が取得した機器１１の運転データを入力して機器に関する値の予測値を出力する。

【0044】

予測モデル記憶部１０３には、機器１１の運転データが入力されると機器に関する値が出力される予測モデルが記憶されている。

【0045】

実際値算出部１０４は、運転データ取得部１０１が取得した機器１１の運転データから機器に関する値の実際値を算出する。

【0046】

乖離評価部１０５は、予測部１０２によって得られた機器に関する値の予測値と、実際値算出部１０４によって得られた機器に関する値の実際値と、の乖離に関する値（例えば、乖離度）が、所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報を算出する。

【0047】

分析部１０６は、乖離評価部１０５が算出した乖離に関する値が所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報に基づいて、乖離が異常範囲となる運転条件の特徴を分析する。

【0048】

予測モデル更新部１０７は、分析部１０６が分析した乖離が異常範囲となる運転条件の特徴に基づいて、乖離が異常範囲となる運転条件の時の運転データと機器に関する値の実際値とを用いて予測モデルを更新する。例えば、予測モデル更新部１０７は、運転条件の特徴ごとに予測モデルを生成して既存の予測モデルと置き換えることで予測モデルを更新してもよいし（下記の［運転条件の特徴ごとの予測モデルの生成］）、既存の予測モデルを再学習することで予測モデルを更新してもよいし（下記の［予測モデルの再学習］）、予測モデルの説明変数を更新することで予測モデルを更新してもよい（下記の［予測モデルの説明変数の更新］）。

【0049】

［運転条件の特徴ごとの予測モデルの生成］
予測モデル更新部１０７は、乖離が異常範囲となる運転条件の特徴ごとに予測モデルを生成（つまり、各運転条件であるときの運転データと機器に関する値を学習データとして機械学習して各予測モデルを生成）して、既存の予測モデルを、当該運転条件の特徴ごとに生成された複数の予測モデルに置き換えることができる。

【0050】

［予測モデルの再学習］
予測モデル更新部１０７は、乖離が異常範囲となる運転条件の時の運転データと機器に関する値の実際値を学習データとして（例えば、既存の学習データに追加する）、既存の予測モデルを再学習することができる。

【0051】

［予測モデルの説明変数の更新］
予測モデル更新部１０７は、乖離が異常範囲となる運転条件に関係する変数（つまり、運転データ）を予測モデルの説明変数とする（例えば、既存の説明変数と置き換える、既存の説明変数に追加する等）ことができる。

【0052】

制御値更新部１０８は、分析部１０６が分析した結果に基づいて、予測モデルを用いた機器１１の異常の判定時に以下の処理をすることができる。

【0053】

［乖離への減算値または加算値の設定］
制御値更新部１０８は、予測モデルを用いた機器１１の異常の判定時に、乖離に関する値（例えば、乖離度）から減算する値または乖離に関する値（例えば、乖離度）に加算する値を、分析部１０６が分析した乖離が異常範囲となる運転条件の特徴ごとに設定することができる。

【0054】

［乖離の閾値の設定］
制御値更新部１０８は、予測モデルを用いた機器１１の異常の判定時に、機器１１の異常を判定するために用いられる乖離に関する値（例えば、乖離度）の閾値を、分析部１０６が分析した乖離が異常範囲となる運転条件の特徴ごとに設定することができる。

【0055】

＜＜予測モデル＞＞
以下、図４および図５を参照しながら、予測モデルについて詳細に説明する。本明細書では、機器１１が正常あるいは異常のどちらであるかを判定する場合を主に説明するが、機器１１が正常、異常の度合い１、異常の度合い２、・・・等のいずれであるかを判定してもよい。

【0056】

図４は、本開示の一実施形態に係る機器１１が正常であるときのデータを機械学習して生成された予測モデルについて説明するための図である。予測モデルは、機器１１が正常であるときの、運転データおよび機器に関する値（詳細には、サービスエンジニア等が現地で機器１１の状態を確認して判断した、機器に関する値）を学習データとして機械学習することで生成される。つまり、予測モデルに機器１１の運転データが入力されたときに出力される機器に関する値と、学習データである機器に関する値と、の誤差が小さくなるように予測モデルが訓練される。当該予測モデルは、機器１１の運転データが入力されると、機器１１が正常であるときの機器に関する値が出力される。

【0057】

図４の［機器に関する値］では、各時間における、機器に関する値の予測値および実際値（つまり、運転データから算出した機器に関する値）を示している。正常期間は、機器１１が正常であるときであり、異常期間は、機器１１が異常であるときである。図４の［機器に関する値］に示されるように、異常期間に、実際値と予測値の乖離が生じるはずである。

【0058】

図４の［乖離］では、各時間における、実際値と予測値の乖離を示している。正常期間には乖離は生じず、異常期間には乖離が生じるはずである。機器１１の異常の判定では、このような乖離に関する値（例えば、乖離度（乖離の度合い））と閾値とを比較して、乖離に関する値が閾値を超えると機器１１が異常であると判定する。

【0059】

図５は、本開示の一実施形態に係る機器１１が異常であるときのデータを機械学習して生成された予測モデルについて説明するための図である。予測モデルは、機器１１が異常である（例えば、故障している）ときの、運転データおよび機器に関する値（詳細には、サービスエンジニア等が現地で機器１１の状態を確認して判断した、機器に関する値）を学習データとして機械学習することで生成される。つまり、予測モデルに機器１１の運転データが入力されたときに出力される機器に関する値と、学習データである機器に関する値と、の誤差が小さくなるように予測モデルが訓練される。当該予測モデルは、機器１１の運転データが入力されると、機器１１が異常であるときの機器に関する値が出力される。

【0060】

図５の［機器に関する値］では、各時間における、機器に関する値の予測値および実際値（つまり、運転データから算出した機器に関する値）を示している。正常期間は、機器１１が正常であるときであり、異常期間は、機器１１が異常であるときである。図５の［機器に関する値］に示されるように、正常期間に、実際値と予測値の乖離が生じるはずである。

【0061】

図５の［乖離］では、各時間における、実際値と予測値の乖離を示している。異常期間には乖離は生じず、正常期間には乖離が生じるはずである。機器１１の異常の判定では、このような乖離に関する値（例えば、乖離度（乖離の度合い））と閾値とを比較して、乖離に関する値が閾値を超えないと機器１１が異常であると判定する。

【0062】

＜＜乖離の正常範囲および異常範囲＞＞
以下、図６および図７を参照しながら、乖離の正常範囲および異常範囲について詳細に説明する。

【0063】

図６は、本開示の一実施形態に係る乖離が正常範囲であるか異常範囲であるかの評価について説明するための図である。なお、機器１１が正常であるときのデータを機械学習して生成された予測モデルの場合を説明する。

【0064】

図６の［乖離］では、各時間における、機器に関する値の実際値（つまり、運転データから算出した機器に関する値）と予測値の乖離を示している。

【0065】

図６の［機器状態（判定）］では、各時間における、機器１１の状態の判定結果（つまり、機器１１が正常であると判定されたか、あるいは、機器１１が異常であると判定されたか）を示す。図６の場合、機器に関する値の実際値（つまり、運転データから算出した機器に関する値）と予測値の乖離が閾値を超えると機器１１が異常であると判定される。

【0066】

図６の［機器状態（実際）］では、各時間における、機器１１の実際の状態（つまり、機器１１が正常であるか、あるいは、機器１１が異常であるか）を示す。

【0067】

［機器状態（判定）］と［機器状態（実際）］を比較すると、［機器状態（実際）］では、機器１１は、時間ｔ２まで正常であり、時間ｔ２以降に異常となっている。しかし、［機器状態（判定）］では、時間ｔ２以降だけでなく、時間ｔ１からの一定時間において、機器１１が異常であると判定されている。

【0068】

このように、予測モデルによる予測値と実際値との乖離により判定された機器１１の状態と、実際の機器１１の状態と、が一致していない範囲を異常範囲と呼ぶ（この場合、乖離に関する値が所定の乖離に関する値の大きさの異常範囲であるという）。また、予測モデルによる予測値と実際値との乖離により判定された機器１１の状態と、実際の機器１１の状態と、が一致していない範囲を正常範囲と呼ぶ（この場合、乖離に関する値が所定の乖離に関する値の大きさの正常範囲であるという）。

【0069】

なお、上記のように実際の機器１１の状態を用いて異常範囲であるか否かを評価するのではなく、乖離に関する値（例えば、乖離度）が所定の範囲の値以外の値（例えば、乖離度が極端に大きい等）であるときに異常範囲であると評価してもよい。

【0070】

図７は、本開示の一実施形態に係る乖離が正常範囲であるか異常範囲であるかの評価について説明するための図である。

【0071】

図７に示されるように、各日時に、機器１１の運転データ（図７の例では、外気温、圧縮機回転数、膨張弁開度、凝縮温度、蒸発温度）が取得される。これらの運転データが予測モデルに入力されたときの機器に関する値の予測値と、機器に関する値の実際値と、の乖離に関する値（例えば、乖離度）が算出される。この乖離に関する値（例えば、乖離度）と、機器１１の異常を判定するために用いられる閾値と、が比較されて機器１１が正常であるか異常であるかが判定される。そして、判定された機器１１の状態と実際の機器１１の状態と、が一致するか否かによって、乖離が正常範囲であるか異常範囲であるかが評価される。乖離が異常範囲となるとき（図７の例では、２０２１年１０月１８日９時と２０２１年１０月１８日１０時）の運転データを用いて、以下で説明する運転条件の特徴の分析が行われる。

【0072】

＜＜運転条件の特徴の分析＞＞
以下、図８および図９を参照しながら、運転条件の特徴の分析について詳細に説明する。どのような運転条件のときに、乖離が異常範囲となるのかが分析される。

【0073】

図８は、本開示の一実施形態に係る乖離が異常範囲となる運転条件の特徴の分析について説明するための図である。

【0074】

例えば、分析部１０６は、乖離が異常範囲となるときの運転データを用いてクラスタ分析をする。詳細には、分析部１０６は、機器１１の運転時の変数（つまり、運転データ。図８では、変数１（例えば、圧縮機回転数）と変数２（例えば、膨張弁開度））をもとにクラスタ分析をし、乖離が頻繁に異常範囲となる運転条件（例えば、７０＜圧縮機回転数＜９０、２０＜膨張弁開度＜３０）を抽出する。

【0075】

分析部１０６は、乖離が異常範囲となる運転条件を出現頻度の高い順（例えば、クラスタのサンプリング数が多い順）に並び替えて（例えば、運転条件Ｄ＞運転条件Ｂ＞運転条件Ａ＞運転条件Ｃ）、上位から複数（例えば、運転条件Ｄと運転条件Ｂ）を抽出することができる。なお、この場合、予測モデル更新部１０７は、データが少ない運転条件（運転条件Ａと運転条件Ｃ）を除外して、運転条件Ｄと運転条件Ｂの時の運転データおよび機器に関する値の実際値を用いて予測モデルを再学習することができる。

【0076】

図９は、本開示の一実施形態に係る乖離が異常範囲となる運転条件の特徴の分析について説明するための図である。

【0077】

例えば、分析部１０６は、乖離が異常範囲となるときだけでなく、乖離が正常範囲となるときの運転データも用いて分析することができる。詳細には、分析部１０６は、運転データを因子分析して、乖離が正常範囲であるときと乖離が異常範囲であるときの差を生じさせる運転条件（例えば、７０＜圧縮機回転数、２０＞膨張弁開度）を抽出する。

【0078】

＜＜運転条件の特徴ごとの予測モデル＞＞
図１０は、本開示の一実施形態に係る運転条件の特徴ごとの予測モデルについて説明するための図である。図１０に示されるように、運転条件の特徴ごとに生成された複数の予測モデルを用いる場合、制御値更新部１０８は、運転データがいずれの運転条件に該当する運転データであるかによって予測に用いる予測モデル（つまり、（運転データが該当する）運転条件であるときの運転データと機器に関する値を学習データとして機械学習して生成された予測モデル）を決定し、予測部１０２は、制御値更新部１０８が決定した予測モデルに運転データを入力して予測値を出力する。

【0079】

＜＜運転条件の特徴ごとの減算値・加算値の設定、閾値の設定＞＞
図１１は、本開示の一実施形態に係る運転条件の特徴ごとの乖離への減算値・加算値の設定および運転条件の特徴ごとの乖離の閾値の設定について説明するための図である。なお、機器１１が正常であるときのデータを機械学習して生成された予測モデルの場合を説明する。

【0080】

図１１の［乖離］では、各時間における、機器に関する値の実際値（つまり、運転データから算出した機器に関する値）と予測値の乖離を示している。例えば、運転条件の特徴の分析の結果、運転条件Ａおよび運転条件Ｂであるときに、乖離が異常範囲となる（例えば、実際には機器１１が正常であるにもかかわらず異常であると判定されてしまう）と判明したとする。

【0081】

図１１の［減算・加算］に示すように、運転条件Ａおよび運転条件Ｂであるときには、機器１１の異常を判定するために用いられる乖離に関する値を演算（例えば、予測モデルの予測誤差の平均値や中央値等の代表値に基づき定めた値を減算または加算）して、機器１１が正常であるにもかかわらず異常と判定されない、あるいは、機器１１が異常であるにもかかわらず正常と判定されないようにする。

【0082】

図１１の［閾値］に示すように、運転条件Ａおよび運転条件Ｂであるときには、機器１１の異常を判定するために用いられる乖離に関する値の閾値を、機器１１が正常であるにもかかわらず異常と判定されない閾値、あるいは、機器１１が異常であるにもかかわらず正常と判定されない閾値にする。

【0083】

＜方法＞
図１２は、本開示の一実施形態に係る乖離が異常範囲となる運転条件の特徴に基づいて予測モデルを更新する処理のフローチャートである。

【0084】

ステップ１（Ｓ１）において、情報処理装置１０の制御部１００１は、機器１１の運転データを取得する。

【0085】

ステップ２（Ｓ２）において、情報処理装置１０の制御部１００１は、機器の運転データから機器に関する値を予測する予測モデルに、Ｓ１で取得した機器１１の運転データを入力して機器に関する値の予測値を出力する。

【0086】

ステップ３（Ｓ３）において、情報処理装置１０の制御部１００１は、Ｓ１で取得した機器１１の運転データから機器に関する値の実際値を算出する。

【0087】

なお、Ｓ２とＳ３は、順序が逆であってもよいし、同時に実行されてもよい。

【0088】

ステップ４（Ｓ４）において、情報処理装置１０の制御部１００１は、Ｓ２で得られた機器に関する値の予測値と、Ｓ３で得られた機器に関する値の実際値と、の乖離に関する値が、所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報を算出する。なお、正常範囲であった場合には、以下の分析をしない。

【0089】

ステップ５（Ｓ５）において、情報処理装置１０の制御部１００１は、Ｓ４で算出した乖離に関する値が所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報に基づいて、乖離が異常範囲となる運転条件の特徴を分析する。

【0090】

ステップ６（Ｓ６）において、情報処理装置１０の制御部１００１は、Ｓ５で分析した乖離が異常範囲となる運転条件の特徴に基づいて、乖離が異常範囲となる運転条件の時の運転データと機器に関する値の実際値とを用いて予測モデルを更新する。

【0091】

以上、本開示の実施形態によれば、機器の運転データから機器に関する値を予測する予測モデルと、制御部１００１と、を備え、制御部１００１は、運転データを予測モデルに入力することで得られる機器に関する値の予測値と、運転データから算出することで得られる機器に関する値の実際値と、の乖離に関する値（例えば、乖離度）が所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報に基づいて、乖離が異常範囲となる運転条件（つまり、どのような条件のときに運転データが取得されたか）の特徴を分析し、乖離が異常範囲となる運転条件の特徴に基づいて、乖離が異常範囲となる運転条件の時の運転データと機器に関する値の実際値とを用いて予測モデルを更新する、情報処理装置１０を提供することができる。これにより、予測の誤差が生じないよう予測モデルの精度を向上させることができる。そのため、広範囲の運転条件において機器の故障を検知することができ、機器を修理するサービスエンジニアが誤出勤することを減らすことができる。

【0092】

好ましくは、予測モデルは、機器に関する値が正常であるときの値を予測し、制御部１００１は、乖離に関する値が大きいと機器１１が異常であると判定する。これにより、機器１１が正常であるときのデータを機械学習して生成された予測モデルの精度を向上させることができる。

【0093】

好ましくは、予測モデルは、機器に関する値が異常であるときの値を予測し、制御部１００１は、乖離に関する値が小さいと機器１１が異常であると判定する。これにより、機器１１が異常であるときのデータを機械学習して生成された予測モデルの精度を向上させることができる。

【0094】

好ましくは、正常範囲は、乖離に関する値と所定の乖離に関する値の大きさから判定された機器１１の状態と実際の機器１１の状態が一致する範囲であり、異常範囲は、乖離に関する値と所定の乖離に関する値の大きさから判定された機器１１の状態と実際の機器の状態が不一致となる範囲である。これにより、予測される機器１１の状態と実際の機器１１の状態の誤差がなくなるよう予測モデルの精度を向上させることができる。

【0095】

好ましくは、特徴の分析は、異常範囲となる運転条件を出現頻度の高い順に並び替えて上位から複数を抽出することである。これにより、効率的に予測モデルの精度を向上させることができる。

【0096】

好ましくは、予測モデルの更新は、特徴ごとに複数のモデルを生成して、予測モデルと置き換えることである。これにより、機器１１が運転しているときの条件に応じた予測をすることができる。

【0097】

好ましくは、制御部１００１は、乖離に関する値を減算または加算する値を特徴ごとに設定する。これにより、機器１１が運転しているときの条件に応じた予測をすることができる。

【0098】

好ましくは、制御部１００１は、機器１１の異常を判定するために用いられる乖離に関する値の閾値を特徴ごとに設定する。これにより、機器１１が運転しているときの条件に応じた予測をすることができる。

【0099】

好ましくは、機器に関する値は、空気調和機の冷媒量、性能劣化具合、要素部品の異常具合のいずれかに関する情報である。これにより、種々の値を予測する予測モデルの精度を向上させることができる。

【0100】

本開示の実施形態によれば、情報処理装置１０の制御部１００１が実行する方法であって、機器１１の運転データを機器の運転データから機器に関する値を予測する予測モデルに入力することで得られる機器に関する値の予測値と、運転データから算出することで得られる機器に関する値の実際値と、の乖離に関する値が、所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報を算出するステップと、乖離が異常範囲となる運転条件の特徴を分析するステップと、乖離が異常範囲となる運転条件の特徴に基づいて、乖離が異常範囲となる運転条件の時の運転データと機器に関する値の実際値とを用いて予測モデルを更新するステップとを含む方法を提供することができる。これにより、予測の誤差が生じないよう予測モデルの精度を向上させることができる。

【0101】

本開示の実施形態によれば、機器１１の運転データを機器の運転データから機器に関する値を予測する予測モデルに入力することで得られる機器に関する値の予測値と、運転データから算出することで得られる機器に関する値の実際値と、の乖離に関する値が、所定の乖離に関する値の大きさの正常範囲であるか異常範囲であるかの情報を算出する手順と、乖離が異常範囲となる運転条件の特徴を分析する手順と、乖離が異常範囲となる運転条件の特徴に基づいて、乖離が異常範囲となる運転条件の時の運転データと機器に関する値の実際値とを用いて予測モデルを更新する手順とを情報処理装置１０の制御部１００１に実行させるプログラムを提供することができる。これにより、予測の誤差が生じないよう予測モデルの精度を向上させることができる。

【0102】

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】

【0103】

１０ 情報処理装置
１１ 機器
１０１ 運転データ取得部
１０２ 予測部
１０３ 予測モデル記憶部
１０４ 実際値算出部
１０５ 乖離評価部
１０６ 分析部
１０７ 予測モデル更新部
１０８ 制御値更新部
１００１ 制御部
１００２ 主記憶部
１００３ 補助記憶部
１００４ 入力部
１００５ 出力部
１００６ インタフェース部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】