特許 7499347 状態監視システム、状態監視装置、状態監視方法、及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-06-05

(45)【発行日】2024-06-13

(54)【発明の名称】状態監視システム、状態監視装置、状態監視方法、及びコンピュータプログラム

(51)【国際特許分類】

   F04B 51/00 20060101AFI20240606BHJP

   F04D 27/00 20060101ALI20240606BHJP

   G05B 23/02 20060101ALI20240606BHJP

【ＦＩ】

F04B51/00

F04D27/00 F

G05B23/02 T

【請求項の数】 14

(21)【出願番号】P 2022559045

(86)(22)【出願日】2021-10-20

(86)【国際出願番号】 JP2021038678

(87)【国際公開番号】W WO2022091888

(87)【国際公開日】2022-05-05

【審査請求日】2023-04-13

(31)【優先権主張番号】P 2020179725

(32)【優先日】2020-10-27

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】000002358

【氏名又は名称】新明和工業株式会社

(74)【代理人】

【識別番号】100114557

【弁理士】

【氏名又は名称】河野 英仁

(74)【代理人】

【識別番号】100078868

【弁理士】

【氏名又は名称】河野 登夫

(72)【発明者】

【氏名】山田 和也

(72)【発明者】

【氏名】角野 浩司

(72)【発明者】

【氏名】來田 真之

(72)【発明者】

【氏名】清水 寛正

【審査官】大瀬 円

(56)【参考文献】

【文献】国際公開第２０２０／１３６８９７（ＷＯ，Ａ１）

【文献】特開２００８－０１９７６３（ＪＰ，Ａ）

【文献】特開２０１９－１２０４３３（ＪＰ，Ａ）

【文献】特開昭５７－０２６３００（ＪＰ，Ａ）

【文献】特開平９－１４５４０４（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｆ０４Ｂ ５１／００

Ｆ０４Ｄ ２７／００

Ｇ０５Ｂ ２３／０２

(57)【特許請求の範囲】

【請求項14】

コンピュータに、
第１周期で記録されたブロワの運転データと、イベントの発生をトリガとして送信される、前記第１周期より短い第２周期で記録された前記ブロワの運転データとを取得し、
取得した前記第２周期の運転データを分析して前記ブロワの状態を推定し、
推定結果を出力する
処理を実行させるためのコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、状態監視システム、状態監視装置、状態監視方法、及びコンピュータプログラムに関する。

【背景技術】

【0002】

近年、排水処理施設などにおける曝気用途、粉体処理装置における粉体の移送用途などにブロワが使用されている。ブロワの一種であるターボブロワは、インペラと、インペラを回転駆動するモータとを備え、モータの駆動によりインペラを回転させることにより、空気などのガスを移送するように構成されている（例えば、特許文献１～３を参照）。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１２－２３６１６４号公報

【文献】特開２０１５－１８２０３６号公報

【文献】特開２０１６－１８５５１３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ターボブロワは、例えば、インペラを回転させるモータ、モータを駆動するための駆動電力を供給するインバータ、インバータを冷却する冷却ファンなどのコンポーネントを備えており、コンポーネントの故障に伴う異常が検知された場合、ターボブロワの動作を自動的に停止させる仕組みを有する。例えば、インバータを冷却する冷却ファンが故障した場合、インバータを冷却することができず、インバータに温度異常が発生する。ターボブロワは、インバータの温度異常を検知した場合、自装置の動作を停止させる。

【0005】

このように、従来では、コンポーネントに故障が発生したことに伴う異常を検知した場合、ブロワの動作を停止させることが可能であるが、コンポーネントの故障や劣化を推定することは行っていない。

【0006】

本発明は、ブロワを構成するコンポーネントの故障又は劣化を推定できる状態監視システム、状態監視装置、状態監視方法、及びコンピュータプログラムを提供することを目的とする。

【課題を解決するための手段】

【0007】

本発明の一態様に係る状態監視システムは、ブロワの運転データを送信する通信装置と、該通信装置から送信される前記ブロワの運転データを取得し、取得した運転データに基づき、前記ブロワの状態を監視する状態監視装置とを備える状態監視システムにおいて、前記通信装置は、第１周期で記録された前記ブロワの運転データを送信する第１送信部と、前記第１周期よりも短い第２周期で記録された前記ブロワの運転データを、イベントの発生をトリガとして送信する第２送信部とを備え、前記状態監視装置は、前記通信装置より送信される前記第１周期の運転データ及び前記第２周期の運転データを取得する取得部と、取得した前記第２周期の運転データを分析し、前記ブロワの状態を推定する推定部と、該推定部による推定結果を出力する出力部とを備える。

【0008】

本発明の一態様に係る状態監視装置は、通信装置より送信されるブロワの運転データを取得し、取得した運転データに基づき、前記ブロワの状態を推定する状態監視装置において、前記通信装置より送信される第１周期で記録された前記ブロワの運転データと、イベントの発生をトリガとして前記通信装置より送信される、前記第１周期よりも短い第２周期で記録された前記ブロワの運転データとを取得する取得部と、取得した前記第２周期の運転データを分析し、前記ブロワの状態を推定する推定部と、該推定部による推定結果を出力する出力部とを備える。

【0009】

本発明の一態様に係る状態監視方法は、ブロワの運転データに基づき、前記ブロワの状態を監視する状態監視方法において、コンピュータを用いて、第１周期で記録された前記ブロワの運転データと、イベントの発生をトリガとして送信される、前記第１周期よりも短い第２周期で記録された前記ブロワの運転データとを取得し、取得した前記第２周期の運転データを分析して前記ブロワの状態を推定し、推定結果を出力する。

【0010】

本発明の一態様に係るコンピュータプログラムは、コンピュータに、第１周期で記録されたブロワの運転データと、イベントの発生をトリガとして送信される、前記第１周期より短い第２周期で記録された前記ブロワの運転データとを取得し、取得した前記第２周期の運転データを分析して前記ブロワの状態を推定し、推定結果を出力する処理を実行させる。

【発明の効果】

【0011】

本願によれば、ブロワを構成するコンポーネントの故障又は劣化を推定できる。

【図面の簡単な説明】

【0012】

【図1】状態監視システムの構成を示す模式図である。

【図2】ブロワの構成を示す模式図である。

【図3】ブロワにおける計測系の構成を説明する説明図である。

【図4】制御装置の内部構成を示すブロック図である。

【図5】クラウドサーバが備える運転履歴テーブルの一例を示す概念図である。

【図6】状態監視装置の内部構成を示すブロック図である。

【図7】運転データの表示例を示す模式図である。

【図8】分析手法の一例を説明する説明図である。

【図9】制御装置が実行する処理の手順を説明するフローチャートである。

【図10】状態監視装置が実行する処理の手順を説明するフローチャートである。

【図11】推定結果の出力例を示す模式図である。

【図12】学習モデルの構成例を説明する模式図である。

【図13】学習モデルを用いた推定手順を説明するフローチャートである。

【発明を実施するための形態】

【0013】

以下、本発明をその実施の形態を示す図面に基づいて具体的に説明する。
（実施の形態１）
図１は状態監視システムの構成を示す模式図である。実施の形態に係る状態監視システムは、ブロワ１の運転データに基づき、ブロワ１の状態を監視するためのシステムである。ブロワ１は、例えば、排水処理施設において曝気用途に使用される。代替的に、ブロワ１は、粉体処理装置における粉体の移送用途、物品の乾燥や冷却用途などに使用されるものであってもよい。状態監視システムは、ブロワ１に搭載される制御装置１００と、ブロワ１の外部に設けられる状態監視装置２００とを含む。制御装置１００及び状態監視装置２００は、インターネット網などの通信ネットワークＮを介して、クラウドサーバ３００にアクセスできるように構成されている。

【0014】

制御装置１００は、ブロワ１の動作を制御すると共に、ブロワ１の運転中に得られる運転データをクラウドサーバ３００へ送信（アップロード）する。本実施の形態では、制御装置１００は、第１周期（例えば１分間隔）で記録される運転データをクラウドサーバ３００へ送信し、イベントの発生をトリガとして、第２周期（例えば０．１秒間隔）で記録される運転データをクラウドサーバ３００へ送信する。ここで、イベントは、ブロワ１の起動イベント、停止イベント、異常停止イベントなどを含む。制御装置１００は、イベントが発生した場合、イベント発生後に得られる運転データだけでなく、イベント発生前後の所定期間にて得られる第２周期の運転データをクラウドサーバ３００へ送信する。

【0015】

なお、ブロワ１の起動とは、後述するモータ１２（図２を参照）を作動させてインペラ１１（図２を参照）の回転駆動を開始することをいう。ブロワ１の停止とは、モータ１２の作動を停止してインペラ１１の回転駆動を停止させることをいう。これに対し、ブロワ１の運転中とは、モータ１２が作動しているか否かに関わらず（すなわち、インペラ１１を回転駆動しているか否かに関わらず）、運転データをクラウドサーバ３００へ送信できる状態にあることをいう。

【0016】

状態監視装置２００は、クラウドサーバ３００へ送信されたブロワ１の運転データを適宜取得して分析し、分析結果に基づく情報をブロワ１の管理者等に提示する。例えば、状態監視装置２００は、第１周期（例えば１分間隔）の運転データに基づき、トレンドグラフを生成し、生成したトレンドグラフを管理者等に提示する。また、状態監視装置２００は、第２周期（例えば０．１秒間隔）の運転データに基づき、ブロワ１を構成するコンポーネントの劣化やブロワ１で発生した異常停止の原因を推定し、推定結果を管理者等に提示する。

【0017】

本実施の形態では、制御装置１００からクラウドサーバ３００へ運転データを送信し、クラウドサーバ３００へ送信された運転データを状態監視装置２００が取得する構成としたが、クラウドサーバ３００を介さずに、ブロワ１の制御装置１００から状態監視装置２００へ直接的に運転データを送信する構成としてもよい。また、本実施の形態では、ブロワ１に搭載される制御装置１００と、ブロワ１の外部に設けられる状態監視装置２００とを用いて、ブロワ１の状態を監視する構成としたが、ブロワ１に搭載される制御装置１００にて運転データを分析し、分析結果に基づく情報を管理者等に提示してもよい。すなわち、制御装置１００と状態監視装置２００とは別体である必要はなく、一体的に構成されてブロワ１に搭載されるものであってもよい。

【0018】

図２はブロワ１の構成を示す模式図である。本実施の形態において、ブロワ１は、ターボ型のブロワ（ターボブロワ）である。ターボブロワは、インペラ（羽根）の回転運動により空気などのガスを送るための送風機である。このような送風機はターボ型と容積型とに大別される。ターボ型は軸流型及び遠心型を含み、容積型はルーツ型を含む。軸流型の送風機は、吸込方向と吐出方向とが一直線状に並ぶ。軸流型の送風機は、低圧大風量に適しており、トンネル送風機等に利用されている。一方、遠心型の送風機は、吸込方向と吐出方向とが略直角に交わり、遠心力を利用して空気などのガスを送る。ルーツ型の送風機は、ハウジング内で２つのロータを同期させて逆方向に回転させ、ハウジングとロータとで囲まれた空間の容積が増減することを利用してガスを送るものであり、容積型故に回転数に対する送風量が安定しているという特徴がある。遠心型やルーツ型の送風機は、排水処理施設等の曝気用に利用されている。図２に一例として示すブロワ１はターボブロワの中でも遠心型送風機であり、吸込方向と吐出方向とが略直角に交わる。ブロワ１は、遠心型送風機に限らず、軸流型送風機やルーツ型送風機であってもよい。

【0019】

ブロワ１は、インペラハウジング１０に収容されるインペラ１１と、インペラ１１を回転駆動するモータ１２とを備える。実施の形態に係るブロワ１は、高信頼性及び省メンテナンス性を実現するために、モータ回転軸１２Ａの軸受にエアフォイルベアリング（空気軸受）１３を採用している。エアフォイルベアリング１３は、モータ回転軸１２Ａを非接触で支持するものであるが、起動時や停止時においてモータ１２の回転速度が３０００ｍｉｎ^-1以下になると、モータ回転軸１２Ａとエアフォイルベアリング１３の部品であるトップフォイル（不図示）とが接触する場合がある。

【0020】

ブロワ１は、吸込口１０Ａを通じてインペラハウジング１０の内部に導入されるガスを、インペラ１１の回転運動によって生じる遠心力により、ガスの吸込方向とは略直角に交わる方向（図２の例では上方）へ送り出す。インペラハウジング１０から送り出されるガスは、吐出路Ｌ１を通じてブロワ１の外部へ吐出される。ブロワ１の外部へ吐出されるガスは、図２に部分的に示すガス供給ラインＬ２を通じて貯水槽などの所定の供給先へ送られる。

【0021】

吐出路Ｌ１の中途には、吐出すべきガスの一部をバイパスさせるバイパス路Ｌ３が接続されている。このバイパス路Ｌ３には、ブローオフバルブＢＯＶを介して、放風ラインＬ４、冷却ガス排出ラインＬ５が接続される。また、インペラハウジング１０の吸込口１０Ａと対向するブロワ１の側面部には、吸い込むべきガスに含まれる塵や埃などの異物を除去するためのフィルタＦが設けられている。フィルタＦには例えば不織布が用いられる。

【0022】

図３はブロワ１における計測系の構成を説明する説明図である。ブロワ１は、前述のモータ１２を駆動する駆動装置１２０と、駆動装置１２０を含むブロワ全体の動作を制御する制御装置１００とを備える。

【0023】

駆動装置１２０は、商用電源から供給される三相交流電圧などを直流電圧に変換して出力するコンバータ１２１と、コンバータ１２１から入力される直流電圧をＰＷＭ（Pulse Width Modulation）波形の電圧に変換して出力するインバータ１２２とを備える。駆動装置１２０は、必要なモータ１２の回転速度に応じて、インバータ１２２の電圧波形を変化させ、モータ１２に供給する電流の大きさを調整する。なお、駆動装置１２０は、コンバータ１２１を備えずに商用電源を直接インバータ１２２に入力する構成としてもよい。

【0024】

ブロワ１は、モータ１２に供給する電流（インバータ１２２の出力電流）を計測する電流センサＳ１を備え、ブロワ１における運転データの１つとして、インバータ１２２の出力電流を計測する。電流センサＳ１の計測データは制御装置１００に与えられる。また、ブロワ１は、モータ１２の回転速度を計測する回転速度センサＳ２を備え、ブロワ１における運転データの１つとして、モータ１２の回転速度を計測する。回転速度センサＳ２の計測データは制御装置１００に与えられる。なお、インバータ１２２の出力電流はインバータ１２２の消費電力から算出してもよく、モータ１２の回転速度はインバータ１２２の出力周波数とモータ１２の極数とから算出してもよい。

【0025】

ブロワ１が備えるモータ１２は、駆動装置１２０のインバータ１２２から供給される電流により駆動され、インペラ１１を回転させる。ブロワ１は、インペラハウジング１０の吸込口１０Ａから吸い込むガスの温度（吸込温度）を計測する温度センサＳ３、吸い込むガスの流量（吸込ガス量）を計測する流量センサＳ４、吐出路Ｌ１へ吐出するガスの圧力（吐出圧力）を計測する圧力センサＳ５などを備え、ブロワ１における運転データとして、これらの値を計測してもよい。温度センサＳ３、流量センサＳ４、及び圧力センサＳ５の計測データは制御装置１００に与えられる。なお、吸込ガス量は、吸込口１０Ａから吸い込まれる単位時間あたりのガス量を表す。ガス量とは、温度を２０℃、湿度を６５％、圧力を大気圧とした状態（工業的な標準状態）での換算値を用いてもよく、温度を０℃、湿度を０％、圧力を大気圧とした状態（学術的な基準状態）での換算値など特定の条件におけるガス量に換算した値を用いてもよい。

【0026】

ブロワ１の運転データとして計測される計測データは上記に限定されない。例えば、モータ１２の温度、駆動装置１２０の温度、ブロワ１の消費電力、フィルタＦにおけるフィルタ損失、累積運転時間、累積起動時間などを計測し、これらの計測データを制御装置１００に与えてもよい。

【0027】

図４は制御装置１００の内部構成を示すブロック図である。制御装置１００は、制御部１０１、記憶部１０２、入力部１０３、及び通信部１０４を備え、ブロワ１の動作を制御すると共に、ブロワ１の運転中に得られる運転データをクラウドサーバ３００へ出力する。

【0028】

制御部１０１は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などを備える。制御部１０１が備えるＲＯＭ
には、上述したハードウェア各部の動作を制御する制御プログラム等が記憶される。制御部１０１内のＣＰＵは、ＲＯＭに記憶された制御プログラムを実行することにより、制御装置１００の少なくとも一部を本発明における通信装置として機能させる。ＲＡＭには、制御プログラムの実行中に生成されるデータが一時的に記憶される。また、制御部１０１には、日時情報を出力するクロック、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ等の機能が搭載されてもよい。

【0029】

記憶部１０２は、ハードディスク、フラッシュメモリなどを用いた記憶装置を備える。記憶部１０２には、各種の制御に必要なデータ、入力部１０３を通じて入力される運転データ等が記憶される。なお、本実施の形態では、運転データを定期的にクラウドサーバ３００にアップロードするので、記憶部１０２は、入力された全ての運転データを蓄積する必要はなく、最新の時刻から一定時間（例えば１日や数分）だけ遡った期間の運転データを記憶していればよい。例えば、記憶部１０２は、１日分の第１周期の運転データを記憶する第１記憶領域（ＲＯＭ）と、数分間の第２周期の運転データを上書きしながら記憶する第２記憶領域（ＲＡＭ）とを備える。

【0030】

入力部１０３は、各種センサを接続するための接続インタフェースを備える。入力部１０３が備える接続インタフェースは、有線のインタフェースであってもよく、無線のインタフェースであってもよい。入力部１０３に接続されるセンサは、例えば、インバータ１２２の出力電流を計測する電流センサＳ１、モータ１２の回転速度を計測する回転速度センサＳ２、吸込温度を計測する温度センサＳ３、吸込ガス量を計測する流量センサＳ４、吐出圧力を計測する圧力センサＳ５などを含む。制御部１０１は、入力部１０３を通じて、各種センサＳ１～Ｓ５による計測データを取得する。

【0031】

通信部１０４は、外部機器と通信するための通信インタフェースを備える。通信部１０４が備える通信インタフェースは、例えば、ＷｉＦｉ（登録商標）やイーサネット（登録商標）などで用いられるＬＡＮ（Local Area Network）の通信規格に準じた通信インタフェースである。代替的に、Ｂｌｕｅｔｏｏｔｈ（登録商標） 、ＺｉｇＢｅｅ（登録商標
）、３Ｇ、４Ｇ、５Ｇ、ＬＴＥ（Long Term Evolution）等の通信規格に準じた通信イン
タフェースであってもよい。本実施の形態では、制御装置１００は、通信部１０４を通じて通信ネットワークＮに接続されており、通信ネットワークＮを介してクラウドサーバ３００と通信できるように構成されている。

【0032】

更に、制御装置１００は、ブロワ１の管理者等の指示又は操作を受付ける操作部、ブロワ１の管理者等に報知すべき情報を表示する表示部などを備えてもよい。

【0033】

本実施の形態では、制御装置１００は、ブロワ１の運転データ（各種センサＳ１～Ｓ５の計測データ）をクラウドサーバ３００へ送信する。より詳細には、制御装置１００は、ブロワ１の運転開始後は運転データを第１周期（例えば１分間隔）で記録し、記録した運転データを適宜のタイミングでクラウドサーバ３００へ送信する。制御装置１００は、運転データを第１周期で記録する都度、クラウドサーバ３００へ送信してもよく、所定時間分の第１周期の運転データをまとめてクラウドサーバ３００へ送信してもよい。また、制御装置１００は、イベントが発生した場合、第２周期（例えば０．１秒間隔）で記録したデータのうち、イベントの開始時点を含む所定期間（例えば３分間）の運転データをクラウドサーバ３００へ送信する。制御装置１００は、例えば、前記イベントに関する第２周期の運転データの記録が完了した後にクラウドサーバ３００へ送信する。なお、イベントの開始時点は、ブロワ１の管理者等によって与えられてもよく、例えば電流センサＳ１の出力等に基づき制御部１０１が判断してもよい。

【0034】

クラウドサーバ３００は、通信ネットワークＮを介して制御装置１００から受信した第１周期の運転データ及び第２周期の運転データを運転履歴テーブルに記憶する。図５はクラウドサーバ３００が備える運転履歴テーブルの一例を示す概念図である。クラウドサーバ３００が備える運転履歴テーブルは、第１周期の運転データを記憶する第１運転履歴テーブル３０１Ａと、第２周期の運転データを記憶する第２運転履歴テーブル３０１Ｂとにより構成される。

【0035】

第１運転履歴テーブル３０１Ａには、ブロワ１の第１周期（例えば１分間隔）の運転データが記憶される。第２運転履歴テーブル３０１Ｂには、イベントの発生をトリガとして送信されるブロワ１の第２周期（例えば０．１秒間隔）の運転データが記憶される。運転データは、モータ１２に供給する電流（インバータ１２２の出力電流）、モータ１２の回転速度、ブロワ１の吸込温度、ブロワ１の吸込ガス量、ブロワ１の吐出圧力などを含む。

【0036】

第１運転履歴テーブル３０１Ａには、ブロワ１の運転中に計測される長期的な運転データが記憶されるのに対し、第２運転履歴テーブル３０１Ｂには、イベント毎の所定期間（例えばイベント発生前後の３分間）の短期的かつ詳細な運転データが記憶される。例えば、ブロワ１において起動イベントが２０２０年８月１日の１２時に発生した場合、１１時５９分から１２時０２分までの０．１秒間隔の運転データが第２運転履歴テーブル３０１Ｂに記憶される。

【0037】

図６は状態監視装置２００の内部構成を示すブロック図である。状態監視装置２００は、専用又は汎用のコンピュータであり、制御部２０１、記憶部２０２、通信部２０３、操作部２０４、及び表示部２０５を備える。状態監視装置２００は、クラウドサーバ３００から運転データを取得し、取得した運転データを分析してブロワ１の状態を推定する。

【0038】

制御部２０１は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭなどを備える。制御部２０１が備えるＲＯＭには、上述したハードウェア各部の動作を制御する制御プログラム等が記憶される。制御部２０１内のＣＰＵは、ＲＯＭに記憶された制御プログラムや後述する記憶部２０２に記憶された各種コンピュータプログラムを実行し、ハードウェア各部の動作を制御することにより、状態監視装置２００を本発明における状態監視装置として機能させる。制御部２０１が備えるＲＡＭには、演算の実行中に利用されるデータ等が一時的に記憶される。

【0039】

本実施の形態において、制御部２０１は、ＣＰＵ、ＲＯＭ、及びＲＡＭを備える構成としたが、必ずしもこのような構成に限定されない。制御部２０１は、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）、ＤＳＰ（Digital Signal Processor）、量子プロセッサ、揮発性又は不揮発性のメモリ等を備える１又は複数
の演算回路又は制御回路であってもよい。また、制御部２０１は、日時情報を出力するクロック、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ等の機能を備えてもよい。

【0040】

記憶部２０２は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）などの記憶装置を備える。記憶部２０２には、制御部２０１によって実行される各種コンピュータプログラムや制御部２０１によって利用される各種データが記憶される。

【0041】

記憶部２０２に記憶されるコンピュータプログラムは、ブロワ１の運転データに基づきブロワ１の状態を推定するための状態推定プログラムＰＧを含む。状態推定プログラムＰＧは、第１周期で記録されるブロワ１の運転データと第２周期で記録されるブロワ１の運転データとを取得し、取得した第２周期の運転データを分析してブロワ１の状態を推定し、推定結果を出力する処理をコンピュータに実行させるためのコンピュータプログラムである。

【0042】

記憶部２０２に記憶されるコンピュータプログラムは、当該コンピュータプログラムを読み取り可能に記録した非一時的な記録媒体Ｍにより提供される。記録媒体Ｍは、例えば、ＣＤ－ＲＯＭ、ＵＳＢメモリ、ＳＤ（Secure Digital）カード、コンパクトフラッシュ（登録商標）などの可搬型メモリである。制御部２０１は、図に示していない読取装置を用いて、記録媒体Ｍに記録されたコンピュータプログラムを読み取り、読み取ったコンピュータプログラムを記憶部２０２に記憶させる。代替的に、記憶部２０２に記憶されるコンピュータプログラムは、通信によって提供されてもよい。この場合、制御部２０１は、通信部２０３を通じてコンピュータプログラムを取得し、取得したコンピュータプログラムを記憶部２０２に記憶させればよい。

【0043】

通信部２０３は、各種データを送受信する通信インタフェースを備える。通信部２０３が備える通信インタフェースは、例えば、ＷｉＦｉ（登録商標）やイーサネット（登録商標）で用いられるＬＡＮ（Local Area Network）の通信規格に準じた通信インタフェースである。本実施の形態において、通信部２０３は、通信ネットワークＮを介してクラウドサーバ３００にアクセスし、第１運転履歴テーブル３０１Ａに記憶されている第１周期の運転データ、及び第２運転履歴テーブル３０１Ｂに記憶されている第２周期の運転データを取得する。

【0044】

操作部２０４は、キーボード、マウス、タッチパネルなどの操作デバイスを備え、管理者等による各種の操作及び設定を受付ける。制御部２０１は、操作部２０４より与えられる各種の操作情報に基づき適宜の制御を行い、必要に応じて設定情報を記憶部２０２に記憶させる。

【0045】

表示部２０５は、液晶モニタや有機ＥＬ（Electro-Luminescence）などの表示デバイスを備え、制御部２０１からの指示に応じて管理者等に報知すべき情報を表示する。

【0046】

なお、状態監視装置２００は、単一のコンピュータである必要はなく、複数のコンピュータや周辺機器からなるコンピュータシステムであってもよい。更に、状態監視装置２００は、ソフトウェアによって仮想的に構築される仮想マシンであってもよい。

【0047】

状態監視装置２００は、クラウドサーバ３００から第１周期の運転データ及び第２周期の運転データを取得するので、例えば、イベントが発生した場合において、イベント発生前後の運転データを管理者等に提示することができる。

【0048】

図７は運転データの表示例を示す模式図である。図７は起動イベント発生時の運転データの表示例を示している。状態監視装置２００の制御部２０１は、操作部２０４を通じて管理者等の指示を受付けた場合、ブロワ１にて所定のイベントが発生した場合などにおいて、表示画面２２０の画面データを生成し表示部２０５に表示させる。

【0049】

表示画面２２０は、例えば、イベント種別選択欄２２１、イベント日時指定欄２２２、表示項目選択欄２２３、項目グループ選択欄２２４、グラフ表示欄２２５を備える。イベント種別選択欄２２１は、プルダウンメニュー形式の選択欄であり、イベント種別の選択を受付ける。イベント種別は、起動、停止、異常停止を含む。イベント日時指定欄２２２は、プルダウンメニュー形式の指定欄であり、イベント種別選択欄２２１にて選択されたイベントに関して発生日時の指定を受付ける。図７の例では、２０２０年８月２０日９時２６分０．８６３秒に発生した起動イベントが選択されていることを示している。

【0050】

表示項目選択欄２２３は、チェックボックス形式の選択欄であり、表示すべき運転データ（計測値）の選択を受付ける。項目グループ選択欄２２４は、選択ボタンにより構成されており、表示すべき項目グループの選択を受付ける。例えば、「電力」のラベルが付された選択ボタンが選択された場合、表示項目選択欄２２３において、電力に関する項目（図７の例では、消費電力、入力電流、出力電流）が自動的に選択されるように構成されている。

【0051】

グラフ表示欄２２５には、イベント種別選択欄２２１、及びイベント日時指定欄２２２により選択されたイベントに関し、表示項目選択欄２２３で選択された項目の運転データがグラフとして表示される。図７の例では、表示項目選択欄２２３において、「モータ回転速度」、「吸込空気量」、「吐出圧力」、「消費電力」、「出力電流」が選択されているので、これらの計測値の時間変化を示すグラフがグラフ表示欄２２５に表示されている。グラフの横軸は時間を示し、縦軸は各計測値の大きさを予め想定した最大値に対する割合により示している。横軸（時間）の表示範囲は、イベント発生時刻を含む所定期間である。起動イベントでは、イベント開始前の１分及びイベント開始後の２分の第２周期（例えば０．１秒間隔）の運転データが表示される。一方、停止イベント及び異常停止イベントでは、イベント開始前の２分及びイベント開始後の１分の第２周期（例えば、０．１秒間隔）の運転データが表示される。

【0052】

このように、本実施の形態では、イベント発生の開始前後の運転データを詳細に表示することができるので、各計測値の挙動（波形）を詳細に分析することができる。例えば、制御部２０１は、ブロワ１の起動直後（例えば起動開始から３０秒経過するまでの間）において、モータ１２の回転速度やインバータ１２２の出力電流がどのような振る舞いを示しているのかを分析することにより、エアフォイルベアリング１３の劣化を推定することができる。また、制御部２０１は、起動後の定速運転時（例えば起動開始後３０秒経過した時点から４５秒経過するまでの間）において、モータ１２の回転速度、インバータ１２２の出力電流、ブロワ１の吐出圧力、ブロワ１の吸込空気量がどのような振る舞いを示しているのかを分析することにより、インペラ１１への塵埃の付着に伴う効率低下やエアフォイルベアリング１３の劣化を推定することができる。

【0053】

図８は分析手法の一例を説明する説明図である。図８に示すグラフは、起動直後のインバータ１２２の出力電流の時間変化を示している。グラフの横軸は時間であり、縦軸は出力電流の値である。制御部２０１は、過去に収集された起動直後の出力電流の波形から、インバータ１２２の出力電流の時間変化に関して、例えば線形近似式と偏差とを事前に導出しておく。図８では、導出した線形近似式を実線により示し、破線により信頼区間（偏差）を示している。

【0054】

制御部２０１は、起動時の運転データを新たに取得した場合、運転データに含まれるインバータ１２２の出力電流の値が信頼区間に含まれるか否かを判断する。信頼区間に含まれる場合、制御部２０１は、エアフォイルベアリング１３の劣化はないと推定する。一方、信頼区間から外れる場合、制御部２０１は、エアフォイルベアリング１３の劣化があると推定する。なお、計測誤差の可能性を排除するために、複数の計測値が連続して信頼区間から外れる場合にのみ、劣化と推定してもよい。

【0055】

図８の例では、インバータ１２２の出力電流波形を線形近似し、信頼区間を設定する構成としたが、曲線近似を行い、得られた近似式に対して信頼区間を設定してもよい。また、図８の例では、１つの信頼区間を設けた構成としたが、劣化を推定するための信頼区間、劣化の予兆を推定する信頼区間を設けてもよい。

【0056】

図８の例では、インバータ１２２の出力電流に基づき、エアフォイルベアリング１３の劣化を推定する構成としたが、インバータの出力電流に代えて、モータ１２の回転速度に基づき、エアフォイルベアリング１３の劣化を推定する構成としてもよい。また、モータ１２の回転速度とインバータ１２２の出力電流とに基づき、エアフォイルベアリング１３の劣化を推定する構成としてもよい。

【0057】

同様に、制御部２０１は、ブロワ１に停止指示が与えられた直後（例えば、停止指示が与えられてから１０秒経過するまでの間）において、モータ１２の回転速度、インバータ１２２の出力電流がどのような振る舞いを示しているのかを分析することにより、エアフォイルベアリング１３の劣化を推定してもよい。

【0058】

また、制御部２０１は、ブロワ１の起動後の定速運転（例えば、起動後に３０秒経過してから４５秒が経過するまでの間）において、モータ１２の回転速度、インバータ１２２の出力電流、ブロワ１の吐出圧力、ブロワの吸込空気量がどのような振る舞いを示しているのかを分析することにより、インペラ１１への塵埃の付着に伴う効率低下を推定してもよい。分析手法は、エアフォイルベアリング１３の劣化の推定と同様であり、信頼区間からのずれの有無に基づいて判断すればよい。

【0059】

更に、制御部２０１は、異常停止イベントが発生した場合、異常停止前後の運転データを分析することにより、異常停止の原因を推定してもよい。分析手法は、エアフォイルベアリング１３の劣化の推定と同様に信頼区間からのずれの有無を判断し、信頼区間からずれが生じた計測値を特定することにより、異常停止の原因を推定すればよい。例えば、異常停止イベントが発生した際、インバータ１２２の出力電流が信頼区間から外れ、他の計測値が信頼区間に収まっている場合、制御部２０１は、異常停止の原因をインバータ１２２の異常と推定することができる。

【0060】

以下、本実施の形態に係る状態監視システムの動作について説明する。
図９は制御装置１００が実行する処理の手順を説明するフローチャートである。制御装置１００の制御部１０１は、ブロワ１の運転開始後、各種センサＳ１～Ｓ５から出力される計測データを入力部１０３より随時取得する。制御部１０１は、内蔵クロックの出力を参照して、取得した計測データを第１周期で記憶部１０２の第１記憶領域内に記録し、第２周期で記憶部１０２の第２記憶領域内に記録する。本実施の形態において、センサＳ１～Ｓ５からの計測データは、ブロワ１の運転データである。

【0061】

制御部１０１は、第１周期の運転データをクラウドサーバ３００へ送信するか否かを判断する（ステップＳ１０１）。制御部１０１は、例えば、計測データを第１周期で記録する都度、クラウドサーバ３００へ送信すると判断する。代替的に、制御部１０１は、第１周期と異なる所定周期（例えば数分間隔～数時間間隔）で送信すると判断してもよく、所定時刻に送信すると判断してもよい。ステップＳ１０１で送信しないと判断した場合（Ｓ１０１：ＮＯ）、制御部１０１は、ステップＳ１０３以降の処理を実行する。

【0062】

ステップＳ１０１で送信すると判断した場合（Ｓ１０１：ＹＥＳ）、制御部１０１は、記憶部１０２の第１記憶領域に記録された第１周期の運転データをクラウドサーバ３００へ送信する（ステップＳ１０２）。このとき、制御部１０１は、前回送信してから今回送信するまでの間に記録した第１周期の運転データをクラウドサーバ３００へ送信すればよい。送信された第１周期の運転データは、クラウドサーバ３００において、第１運転履歴テーブル３０１Ａに記憶される。

【0063】

次いで、制御部１０１は、イベントが発生したか否かを判断する（ステップＳ１０３）。ステップＳ１０３では、ブロワ１の起動イベント、停止イベント、異常停止イベント等が判断できればよい。イベント発生の有無は、第１周期の運転データに基づき判断される。例えば、制御部１０１は、インバータ１２２の出力電流を監視することにより、ブロワ１が起動したタイミング、停止したタイミング、異常停止したタイミングを特定することができる。また、制御部１０１は、ブロワ１に起動指示や停止指示が与えられた場合、イベントが発生したと判断してもよい。イベントが発生していない場合（Ｓ１０３：ＮＯ）、制御部１０１は、処理をステップＳ１０１へ戻す。

【0064】

イベントが発生したと判断した場合（Ｓ１０３：ＹＥＳ）、制御部１０１は、そのイベントに関する第２周期の運転データを送信するか否かを判断する（ステップＳ１０４）。発生したイベントが停止イベント又は異常停止イベントである場合、制御部１０１は、イベント発生時より例えば１分が経過した時点で第２周期の運転データを送信すると判断する。また、発生したイベントが起動イベントである場合、制御部１０１は、イベント発生時より例えば２分が経過した時点で第２周期の運転データを送信すると判断する。

【0065】

ステップＳ１０４で送信しないと判断した場合（Ｓ１０４：ＮＯ）、制御部１０１は、送信タイミングとなるまで待機する。この待機期間において、制御部１０１は、運転データの記録を継続的に行う。すなわち、制御部１０１は、入力部１０３を通じて取得した運転データを第１周期で記憶部１０２の第１記憶領域に記録すると共に、第２周期で記憶部１０２の第２記憶領域に記録する。

【0066】

ステップＳ１０４で送信すると判断した場合（Ｓ１０４：ＹＥＳ）、制御部１０１は、記憶部１０２の第２記憶領域に記録された第２周期の運転データをクラウドサーバ３００へ送信する（ステップＳ１０５）。発生したイベントが停止イベント又は異常停止イベントである場合、制御部１０１は、例えばイベント発生時より２分前から１分後の合計３分間の運転データを記憶部１０２の第２記憶領域から読み出し、読み出した運転データを通信部１０４よりクラウドサーバ３００へ送信する。発生したイベントが起動イベントである場合、制御部１０１は、例えばイベント発生時より１分前から２分後の合計３分間の運転データを記憶部１０２の第２記憶領域から読み出し、読み出した運転データを通信部１０４よりクラウドサーバ３００へ送信する。送信された第２周期の運転データは、クラウドサーバ３００において、第２運転履歴テーブル３０１Ｂに記憶される。

【0067】

図１０は状態監視装置２００が実行する処理の手順を説明するフローチャートである。状態監視装置２００の制御部２０１は、記憶部２０２に記憶された状態推定プログラムＰＧを読み出して実行することにより、以下の処理を実行する。制御部２０１は、通信部２０３を通じて、クラウドサーバ３００にアクセスし、第１周期の運転データを取得する（ステップＳ１２１）。このとき、状態監視装置２００は、ユーザ認証を受付け、認証に成功した場合にのみ、クラウドサーバ３００へのアクセスを許可してもよい。

【0068】

制御部２０１は、イベントが発生したか否かを判断する（ステップＳ１２２）。ステップＳ１２２では、ブロワ１の起動イベント、停止イベント、異常停止イベント等が判断できればよい。イベント発生の有無は、第１周期の運転データに基づき判断される。例えば、制御部２０１は、インバータ１２２の出力電流を監視することにより、ブロワ１が起動したタイミング、停止したタイミング、異常停止したタイミングを特定することができる。代替的に、制御部２０１は、ブロワ１に起動指示や停止指示が与えられた旨の情報を制御装置１００から取得して、イベントの発生の有無を判断してもよい。イベントが発生していない場合（Ｓ１２２：ＮＯ）、制御部２０１は、処理をステップＳ１２１へ戻す。

【0069】

イベントが発生したと判断した場合（Ｓ１２２：ＹＥＳ）、制御部２０１は、通信部２０３を通じて、クラウドサーバ３００にアクセスし、第２周期の運転データを取得する（ステップＳ１２３）。

【0070】

次いで、制御部２０１は、取得した第２周期の運転データを分析し、ブロワ１の状態を推定する（ステップＳ１２４）。制御部２０１は、例えば、インバータ１２２の出力電流やモータ１２の回転速度が事前に得られた信頼区間に収まっているか否かを判断することにより、エアフォイルベアリング１３の劣化を推定することができる。また、制御部２０１は、ブロワ１の起動後の定速運転時（例えば、起動後に３０秒経過してから４５秒が経過するまでの間）におけるモータ１２の回転速度、インバータ１２２の出力電流、ブロワ１の吐出圧力、ブロワの吸込空気量が事前に得られた信頼区間に収まっているか否かを判断することにより、インペラ１１への塵埃の付着に伴う効率低下を推定してもよい。更に、制御部２０１は、異常停止イベントが発生した場合、異常停止前後の運転データを分析することにより、異常停止の原因を推定してもよい。

【0071】

次いで、制御部２０１は、推定結果を出力する（ステップＳ１２５）。図１１は推定結果の出力例を示す模式図である。図１１の出力例は、エアフォイルベアリング１３の劣化が生じている旨の文字情報を、各計測値のグラフと共に表示部２０５に表示した例を示している。このとき、制御部２０１は、エアフォイルベアリング１３の劣化の推定に用いた推定値（例えば、インバータ１２２の出力電流）のグラフをハイライト表示してもよい。図１１では、エアフォイルベアリング１３に劣化が生じた旨の文字情報を表示した例を示したが、同様に、制御部２０１は、インペラ１１への塵埃の付着に伴う効率低下が発生した旨の文字情報、異常停止の原因を示す文字情報等を表示部２０５に表示させてもよい。また、制御部２０１は、表示部２０５に表示させる構成に代えて、通信部２０３を通じて、管理者等が使用する端末装置に通知してもよい。

【0072】

以上のように、本実施の形態では、イベントが発生した際に送信される第２周期の運転データを分析し、ブロワ１の状態を推定するので、ブロワ１を構成する各コンポーネントの振る舞いを詳細に把握することができ、例えば、エアフォイルベアリング１３の劣化、インペラ１１への塵埃の付着による効率低下、異常停止の原因等を把握することができる。

【0073】

（実施の形態２）
実施の形態２では、学習モデルを用いて、ブロワ１の状態を推定する構成について説明する。

【0074】

実施の形態２では、電流センサＳ１により計測されるインバータ１２２の出力電流、回転速度センサＳ２により計測されるモータ１２の回転速度、温度センサＳ３により計測されるブロワ１の吸込温度、流量センサＳ４により計測される吸込流量、圧力センサＳ５により計測される吐出圧力の計測データと、ブロワ１の状態との関係を学習してある学習モデルＭＤ（図１２を参照）を用いて、ブロワ１の状態を推定する。学習モデルＭＤは、例えば状態監視装置２００の記憶部２０２に記憶される。代替的に、学習モデルＭＤは、状態監視装置２００からアクセス可能な外部装置（例えば、クラウドサーバ３００）に記憶されてもよい。

【0075】

図１２は学習モデルＭＤの構成例を説明する模式図である。学習モデルＭＤは、例えば、深層学習を含む機械学習の学習モデルであり、ニューラルネットワークによって構成される。学習モデルＭＤは、入力層ＬＹ１、中間層ＬＹ２，ＬＹ３、及び出力層ＬＹ４を備える。図１２の例では、２つの中間層ＬＹ２，ＬＹ３を記載しているが、中間層の数は２つに限定されず、３つ以上であってもよい。

【0076】

入力層ＬＹ１、中間層ＬＹ２，ＬＹ３、及び出力層ＬＹ４には、１つまたは複数のノードが存在し、各層のノードは、前後の層に存在するノードと一方向に所望の重みおよびバイアスで結合されている。学習モデルＭＤの入力層ＬＹ１には、入力層ＬＹ１が備えるノードの数と同数のデータが入力される。本実施の形態において、入力層ＬＹ１のノードに入力されるデータは、ブロワ１に関して得られる第２周期の運転データである。すなわち、入力層ＬＹ１のノードに入力されるデータは、インバータ１２２の出力電流、モータ１２の回転速度、ブロワ１の吸込温度、吸込流量、吐出圧力の第２周期の計測データが入力される。

【0077】

入力された計測データは、入力層ＬＹ１を構成するノードを通じて、最初の中間層ＬＹ２が備えるノードへ出力される。最初の中間層ＬＹ２に入力されたデータは、中間層ＬＹ２を構成するノードを通じて、次の中間層ＬＹ３が備えるノードへ出力される。このとき、ノード間において設定されている重み及びバイアスを含む活性化関数を用いて出力が算出される。以下同様にして、ノード間において設定されている重み及びバイアスを含む活性化関数を用いた演算を実行し、出力層ＬＹ４による演算結果が得られるまで次々と後の層に伝達される。

【0078】

ここで、ノード間を結合する重み、バイアス等のパラメータは、所定の学習アルゴリズムによって学習される。各種パラメータを学習する学習アルゴリズムには、例えば誤差逆伝搬法を含む深層学習の学習アルゴリズムが用いられる。本実施の形態では、前述の計測データと、ブロワ１の状態（劣化の有無、異常発生の原因など）を示すラベルデータとを訓練データとして収集し、収集した訓練データを用いて、計測データが入力された場合、ブロワ１の状態に関する演算結果を出力するように、所定の学習アルゴリズムによってノード間の重み及びバイアスを含む各種パラメータを学習する。なお、学習モデルＭＤの生成は、状態監視装置２００の内部で行ってもよく、外部サーバ（例えばクラウドサーバ３００）で行ってもよい。

【0079】

出力層ＬＹ４は、ブロワ１の状態に関する演算結果を出力する。例えば、出力層ＬＹ４を第１ノードから第３ノードまでの３個のノードにより構成し、第１ノードからブロワ１のコンポーネントが劣化している可能性（確率Ｐ１）を出力し、第２ノードから劣化の予兆がある可能性（確率Ｐ２）、第３ノードから劣化していない可能性（確率Ｐ３）を出力する。

【0080】

出力層ＬＹ４を構成するノードの数や各ノードに割り当てる演算結果は、上述の例に限定されるものではなく、適宜設計することが可能である。例えば、出力層ＬＹ４の第１ノードから異常停止の原因がインバータ異常である可能性（確率Ｐ１）、第２ノードから異常停止の原因がモータ１２の故障である可能性（確率Ｐ２）、第３ノードからエアフォイルベアリング１３の故障である可能性（確率Ｐ３）を出力してもよい。

【0081】

また、学習モデルＭＤは、イベント種別毎に用意されてもよく、入力する計測データの種別毎に用意されてもよい。

【0082】

図１３は学習モデルＭＤを用いた推定手順を説明するフローチャートである。状態監視装置２００の制御部２０１は、記憶部２０２に記憶された状態推定プログラムＰＧを実行することにより、以下の処理を行う。

【0083】

制御部２０１は、通信部２０３を通じて、クラウドサーバ３００より取得した第２周期の運転データを学習モデルＭＤへ入力し（ステップＳ２０１）、学習モデルＭＤによる演算を実行する（ステップＳ２０２）。入力層ＬＹ１のノードに与えられたデータは、隣接する中間層ＬＹ２のノードへ出力される。中間層ＬＹ２ではノード間の重み及びバイアスを含む活性化関数を用いた演算が行われ、演算結果は後段の中間層ＬＹ３へ出力される。中間層ＬＹ３において、更に、ノード間の重み及びバイアスを含む活性化関数を用いた演算が行われ、演算結果は出力層ＬＹ４の各ノードへ出力される。出力層ＬＹ４の各ノードは、ブロワ１の状態に関する演算結果を出力する。

【0084】

制御部２０１は、学習モデルＭＤの演算結果に基づきブロワ１の状態を推定する（ステップＳ２０３）。学習モデルＭＤの出力層ＬＹ４がブロワ１のコンポーネントが劣化している可能性、劣化の予兆がある可能性、劣化していない可能性を確率Ｐ１～Ｐ３として出力する場合、制御部２０１は、これらの確率Ｐ１～Ｐ３のうち、最も高い確率を出力するノードを特定することにより、コンポーネントの劣化を推定することができる。また、学習モデルＭＤの出力層ＬＹ４が異常停止の原因に関する情報を出力する場合、制御部２０１は、出力層ＬＹ４からの出力に基づき、異常停止の原因を推定してもよい。

【0085】

制御部２０１は、推定結果に基づく情報を出力する（ステップＳ２０４）。例えば、制御部２０１は、コンポーネントの劣化に関する情報、又は異常停止の原因に関する情報を表示部２０５に表示する。また、制御部２０１は、コンポーネントの劣化に関する情報、又は異常停止の原因に関する情報を通信部２０３より管理者等の端末装置に通知してもよい。なお、制御部２０１は、単発の計測データによる誤判定を避けるために、劣化（若しくは劣化予兆）ありと推定した回数が所定回数（例えば１０回）以上連続した場合にのみ、コンポーネントが劣化している旨の情報を出力してもよい。

【0086】

以上のように、実施の形態２では、深層学習を含む機械学習の学習モデルＭＤを用いて、ブロワ１の状態を推定し、推定結果に基づく情報を出力することができるので、必要に応じてブロワ１を構成するコンポーネントの交換やメンテナンスをユーザに促すことができる。

【0087】

本実施の形態２では、ニューラルネットワークによって構成される機械学習の学習モデルＭＤを用いてブロワ１の状態に関する演算結果を取得する構成について説明したが、学習モデルＭＤは特定の手法を用いて得られるモデルに限定されない。

【0088】

例えば、深層学習によるニューラルネットワークに代えて、パーセプトロン、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、残差ネットワーク、自己組織化マップ等による学習モデルであってもよい。

【0089】

また、上記のニューラルネットワークによる学習モデルに代えて、線形回帰、ロジスティック回帰、サポートベクターマシン等を含む回帰分析手法、決定木、回帰木、ランダムフォレスト、勾配ブースティング木等の探索木を用いた手法、単純ベイズ等を含むベイズ推定法、ＡＲ（Auto Regressive）、ＭＡ（Moving Average）、ＡＲＩＭＡ（Auto Regressive Integrated Moving Average）、状態空間モデル等を含む時系列予測手法、Ｋ近傍法等を含むクラスタリング手法、ブースティング、バギング等を含むアンサンブル学習を用いた手法、階層型クラスタリング、非階層型クラスタリング、トピックモデル等を含むクラスタリング手法、アソシエーション分析、強調フィルタリング等を含むその他の手法により学習された学習モデルであってもよい。

【0090】

更に、ＰＬＳ（Partial Least Squares）回帰、重回帰分析、主成分分析、因子分析、
クラスター分析等を含む多変量分析を用いて学習モデルを構築してもよい。

【0091】

また、本実施の形態では、センサＳ１～Ｓ５から得られる計測データを学習モデルＭＤへ入力する構成としたが、計測データを入力する構成に代えて、計測値の時系列変化を示すグラフ（画像）を入力する構成としてもよい。この場合、学習モデルＭＤには、ＣＮＮ（Convolutional Neural Networks）、Ｒ－ＣＮＮ（Region-based CNN）、ＹＯＬＯ（You
Only Look Once）、ＳＳＤ（Single Shot Detector）、ＧＡＮ（Generative Adversarial Network）などにより構築される学習モデルを用いればよい。

【0092】

また、本実施の形態では、センサＳ１～Ｓ５から得られる計測データを基にしたが、センサの種類はＳ１～Ｓ５に限ったものではなく、モータ温度、インバータ温度など、図７の表示項目選択欄２２３に示す計測データを用いてもよい。

【0093】

本実施の形態では、エアフォイルベアリング（空気軸受）１３を備えたブロワ１を基にしたが、エアフォイルベアリングに限らず、磁気軸受やティルティングパッド軸受などエアフォイルベアリング以外のすべり軸受を用いたブロワであってもよい。

【符号の説明】

【0094】

１ ブロワ
１１ インペラ
１２ モータ
１００ 制御装置
１０１ 制御部
１０２ 記憶部
１０３ 入力部
１０４ 通信部
１２０ 駆動装置
１２１ コンバータ
１２２ インバータ
２００ 状態監視装置
２０１ 制御部
２０２ 記憶部
２０３ 通信部
２０４ 操作部
２０５ 表示部
３００ クラウドサーバ

【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】