特許7570488 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

▶ 三菱電機株式会社の特許一覧

特許7570488学習装置

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

(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】2024-10-10

(45)【発行日】2024-10-21

(54)【発明の名称】学習装置

(51)【国際特許分類】

F24F 11/64 20180101AFI20241011BHJP

【ＦＩ】

F24F11/64

【請求項の数】 1

(21)【出願番号】P 2023190939

(22)【出願日】2023-11-08

(62)【分割の表示】P 2022522450の分割

【原出願日】2020-05-14

(65)【公開番号】P2024010203

(43)【公開日】2024-01-23

【審査請求日】2023-11-08

(73)【特許権者】

【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】110001195

【氏名又は名称】弁理士法人深見特許事務所

(72)【発明者】

【氏名】京屋貴則

【審査官】安島智也

(56)【参考文献】

【文献】特開平０６－１５９７６３（ＪＰ，Ａ）

【文献】特開２００３－０４２５０８（ＪＰ，Ａ）

【文献】特許第７４３０７８４（ＪＰ，Ｂ２）

【文献】米国特許出願公開第２０１６／０３２００８１（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１９／０２７１４８３（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｆ２４Ｆ１１／００－１１／８９

(57)【特許請求の範囲】

【請求項1】

第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の前記第１の時刻における体表面温度と、前記第１の温度と、前記第２の温度と、前記第１の時刻以降の第２の時刻における前記利用者の体表面温度とを含む入力データと、前記第２の時刻において前記利用者が所望する空気調和機の設定温度を表わす教師データとを含む学習用データを取得するデータ取得部と、
前記学習用データを用いて、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の前記第１の時刻における体表面温度と、前記第１の温度と、前記第２の温度と、前記利用者の前記第２の時刻における体表面温度とを含む入力データから前記第２の時刻において前記利用者が所望する空気調和機の設定温度を表わす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、
を備えた学習装置。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、空気調和システムおよび学習装置に関する。

【背景技術】

【0002】

不特定多数の居住者（ユーザ）がいる広範囲の空間において快適な温度調整を目的として装置が知られている。たとえば、特許文献１に記載された空調機温度制御装置は、複数の要求端末から受けた温度変更要求を統計処理し、統計処理された各要求情報に基づく空調機毎の制御要求と、現在温度と、設定温度とに基づいて、各空調機を制御する。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０００－２８１７５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、利用者が、空調機の設定温度を変更する操作を実行し、ある程度の時間が経過した後、その利用者が変更操作後の設定温度を変更操作前の設定温度に戻したいことがある。そのような場合に、利用者は、空調機の設定温度の変更操作を再度実行しなければならないため、利用者にとって手間である。

【0005】

それゆえに、本開示は、利用者が所望する温度に空調機の設定温度を自動的に変更することができる空気調和システムおよび学習装置を提供することである。

【課題を解決するための手段】

【0006】

本開示の空気調和システムは、空気調和機と、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における体表面温度と、第１の時刻以降の第２の時刻における利用者の体表面温度とに基づいて、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する推論装置と、推論装置による推論の結果に基づいて、空気調和機を制御する制御装置とを備える。

【0007】

本開示の学習装置は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における体表面温度と、第１の時刻以降の第２の時刻における利用者の体表面温度とを含む入力データと、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わす教師データとを含む学習用データを取得するデータ取得部と、学習用データを用いて、利用者の第１の時刻における体表面温度と、第２の時刻における体表面温度とを含む入力データから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わす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。

【発明の効果】

【0008】

本開示の空気調和システムによれば、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における体表面温度と、第１の時刻以降の第２の時刻における利用者の体表面温度とに基づいて、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。これによって、利用者が所望する温度に空調機の設定温度を自動的に変更することができる。

【図面の簡単な説明】

【0009】

【図1】実施の形態の空気調和システムの構成を表わす図である。

【図2】学習装置７の構成を表わす図である。

【図3】実施の形態１の入力データと、教師データ（予測データ）とを表わす図である。

【図4】ニューラルネットワークの構成を表わす図である。

【図5】実施の形態１の設定温度変更操作データの構成を表わす図である。

【図6】実施の形態１の中途データの構成を表わす図である。

【図7】（ａ）は、実施の形態１の設定温度変更操作データＤＶ１を表わす図である。（ｂ）は、実施の形態１の設定温度変更操作データＤＶ２を表わす図である。（ｃ）は、実施の形態１の中途データＤＭ１を表わす図である。（ｄ）は、実施の形態１の設定温度変更操作データＤＶ３を表わす図である。（ｅ）は、実施の形態１の中途データＤＭ２を表わす図である。

【図8】実施の形態１の学習用データの例を表わす図である。

【図9】実施の形態１の学習用データの例を表わす図である。

【図10】実施の形態１の学習用データの例を表わす図である。

【図11】実施の形態１の学習用データの例を表わす図である。

【図12】実施の形態１の空気調和機の電源オフ操作時データの構成を表わす図である。

【図13】（ａ）は、実施の形態１の設定温度変更操作データＤＶを表わす図である。（ｂ）は、実施の形態１の空気調和機の電源オフ操作時データＤＦを表わす図である。（ｃ）は、実施の形態１の中途データＤＭを表わす図である。

【図14】実施の形態１の学習用データの例を表わす図である。

【図15】実施の形態１の学習用データの例を表わす図である。

【図16】学習装置７による学習手順を表わすフローチャートである。

【図17】推論装置１の構成を表わす図である。

【図18】実施の形態１の設定温度変更操作データＤＶを表わす図である。

【図19】実施の形態１の予測時点の状態データＤＫを表わす図である。

【図20】実施の形態１の推論装置１に入力される要因データＸ１～Ｘ９の例を表わす図である。

【図21】推論装置１による推論手順を表わすフローチャートである。

【図22】実施の形態２の入力データと、教師データ（予測データ）とを表わす図である。

【図23】実施の形態２の学習用データの例を表わす図である。

【図24】実施の形態２の学習用データの例を表わす図である。

【図25】実施の形態２の学習用データの例を表わす図である。

【図26】実施の形態２の学習用データの例を表わす図である。

【図27】実施の形態３の入力データと、教師データ（予測データ）とを表わす図である。

【図28】実施の形態３の設定温度変更操作データの構成を表わす図である。

【図29】実施の形態３の中途データの構成を表わす図である。

【図30】（ａ）は、実施の形態３の設定温度変更操作データＤＶ１を表わす図である。（ｂ）は、実施の形態３の設定温度変更操作データＤＶ２を表わす図である。（ｃ）は、実施の形態３の中途データＤＭ１を表わす図である。（ｄ）は、実施の形態３の設定温度変更操作データＤＶ３を表わす図である。（ｅ）は、実施の形態３の中途データＤＭ２を表わす図である。

【図31】実施の形態３の学習用データの例を表わす図である。

【図32】実施の形態３の学習用データの例を表わす図である。

【図33】実施の形態３の学習用データの例を表わす図である。

【図34】実施の形態３の学習用データの例を表わす図である。

【図35】実施の形態３の設定温度変更操作データＤＶを表わす図である。

【図36】実施の形態３の予測時点の状態データＤＫを表わす図である。

【図37】実施の形態３の推論装置１に入力される要因データＸ１～Ｘ９の例を表わす図である。

【図38】実施の形態４の入力データと、教師データ（予測データ）とを表わす図である。

【図39】実施の形態４の設定温度変更操作データの構成を表わす図である。

【図40】実施の形態４の中途データの構成を表わす図である。

【図41】（ａ）は、実施の形態４の設定温度変更操作データＤＶ１を表わす図である。（ｂ）は、実施の形態４の設定温度変更操作データＤＶ２を表わす図である。（ｃ）は、実施の形態４の中途データＤＭ１を表わす図である。（ｄ）は、実施の形態４の設定温度変更操作データＤＶ３を表わす図である。（ｅ）は、実施の形態４の中途データＤＭ２を表わす図である。

【図42】実施の形態４の学習用データの例を表わす図である。

【図43】実施の形態４の学習用データの例を表わす図である。

【図44】実施の形態４の学習用データの例を表わす図である。

【図45】実施の形態４の学習用データの例を表わす図である。

【図46】実施の形態４の設定温度変更操作データＤＶを表わす図である。

【図47】実施の形態４の予測時点の状態データＤＫを表わす図である。

【図48】実施の形態４の推論装置１に入力される要因データＸ１～Ｘ９の例を表わす図である。

【図49】実施の形態５の予測時点の状態データＤＫを表わす図である。

【図50】実施の形態５の設定温度変更操作データの構成を表わす図である。

【図51】実施の形態５の中途データの構成を表わす図である。

【図52】（ａ）は、実施の形態５の設定温度変更操作データＤＶ１を表わす図である。（ｂ）は、実施の形態５の設定温度変更操作データＤＶ２を表わす図である。（ｃ）は、実施の形態５の中途データＤＭ１を表わす図である。（ｄ）は、実施の形態５の設定温度変更操作データＤＶ３を表わす図である。（ｅ）は、実施の形態５の中途データＤＭ２を表わす図である。

【図53】実施の形態５の学習用データの例を表わす図である。

【図54】実施の形態５の学習用データの例を表わす図である。

【図55】実施の形態５の学習用データの例を表わす図である。

【図56】実施の形態５の学習用データの例を表わす図である。

【図57】実施の形態５の設定温度変更操作データＤＶを表わす図である。

【図58】実施の形態５の予測時点の状態データＤＫを表わす図である。

【図59】実施の形態５の推論装置１に入力される要因データＸ１～Ｘ９の例を表わす図である。

【図60】学習装置７、推論装置１、または制御装置６のハードウェア構成を表わす図である。

【発明を実施するための形態】

【0010】

以下、実施の形態について、図面を参照して説明する。

【0011】

実施の形態１．
図１は、実施の形態の空気調和システムの構成を表わす図である。

【0012】

空気調和システム１０は、空気調和機２と、室温センサ３と、体表面温度センサ４と、生体認証センサ５と、入力装置９と、通信装置８と、制御装置６と、学習装置７と、学習済みモデル記憶装置７５と、推論装置１とを備える。

【0013】

空気調和機２は、設置されている部屋の空気を吸入して、部屋の空気の温度および湿度を調整する。

【0014】

入力装置９は、利用者からの設定温度の入力を受け付ける。入力装置９は、たとえば、リモートコントローラによって構成される。

【0015】

体表面温度センサ４は、空気調和機２が設置されている部屋に存在する人物の体表面の温度を計測する。体表面温度センサ４は、たとえば赤外線モニタなどによって構成される。

【0016】

生体認証センサ５は、入力装置９を操作した人物を識別する。

【0017】

室温センサ３は、空気調和機２が設置されている部屋の温度を計測する。

【0018】

通信装置８は、外部の装置との間で通信する。たとえば、通信装置８は、インターネットを通じて、外気温度（気温）を取得することができる。

【0019】

学習装置７は、第１の時刻において第１の温度から第２の温度に空気調和機２の設定温度変更操作を実施した利用者の第１の時刻における体表面温度と、第１の時刻以降の第２の時刻における体表面温度とを含む入力データから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わすデータを推論するための学習済みモデルを生成する。

【0020】

学習済みモデル記憶装置７５は、学習装置７によって生成された学習済みモデルを記憶する。

【0021】

推論装置１は、第１の時刻において第１の温度から第２の温度に空気調和機２の設定温度変更操作を実施した利用者の第１の時刻における体表面温度と、第１の時刻以降の第２の時刻における利用者の体表面温度とに基づいて、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。

【0022】

制御装置６は、推論装置１による推論の結果に基づいて、空気調和機２を制御する。

【0023】

＜学習フェーズ＞
図２は、学習装置７の構成を表わす図である。

【0024】

学習装置７は、学習用データ生成部７６と、データ取得部７１と、モデル生成部７２とを備える。

【0025】

学習用データ生成部７６は、空気調和機２の設定温度の変更操作に基づいて、学習用データを生成する。

【0026】

データ取得部７１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における体表面温度と、第１の時刻以降の第２の時刻における利用者の体表面温度とを含む入力データと、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わす教師データとを含む学習用データを取得する。

【0027】

モデル生成部７２は、学習用データを用いて、利用者の第１の時刻における体表面温度と、第２の時刻における体表面温度とを含む入力データから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わすデータを推論するための学習済みモデルを生成する。

【0028】

より、具体的には、データ取得部７１は、入力データと教師データとからなる学習用データを取得する。学習用データは、要因データＸ１～Ｘ９および教師データＺを互いに関連付けたデータである。

【0029】

図３は、実施の形態１の入力データと、教師データ（予測データ）とを表わす図である。

【0030】

入力データは、要因データＸ１～Ｘ９を含む。

【0031】

要因データＸ１は、設定温度の変更操作を実施した利用者Ｓである。要因データＸ２は、設定温度変更時の時刻ｔ０（第１の時刻）である。要因データＸ３は、時刻ｔ０の気温である。要因データＸ４は、時刻ｔ０における利用者の体表面温度である。要因データＸ５は、時刻ｔ０における変更操作前の設定温度（Ｔｂ）（第１の温度）である。要因データＸ６は、時刻ｔ０における変更操作後の設定温度（Ｔａ）（第２の温度）である。要因データＸ７は、時刻ｔ０以降の時刻ｔ１（第２の時刻）である。要因データＸ８は、時刻ｔ１の気温である。要因データＸ９は、時刻ｔ１における利用者の体表面温度である。教師データ（正解データ）Ｚは、時刻ｔ１において利用者Ｓが設定温度をＴａからＴｂに戻す操作を実施するか否かを表わすデータである。

【0032】

モデル生成部７２は、学習用データを用いて、要因データＸ１～Ｘ９を含む入力データから第２の時刻（ｔ１）において利用者が第２の温度（Ｔａ）から第１の温度（Ｔｂ）に設定温度を戻す操作を実施するか否かを表わすデータを推論するための学習済みモデルを生成する。

【0033】

モデル生成部７２は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習によって、学習済みモデルを生成する。教師あり学習とは、要因と結果（ラベル）のデータの組を学習装置７に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。

【0034】

ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層（隠れ層）、および複数のニューロンからなる出力層で構成される。中間層は、１層、又は２層以上でもよい。

【0035】

図４は、ニューラルネットワークの構成を表わす図である。図４には、３層のニューラルネットワークが表されている。図４では、説明の便宜のため、入力が３個、出力が３個の構成が表されている。複数の入力が入力層（Ｘ１－Ｘ３）に入力されると、その値に重みＷ１（ｗ１１－ｗ１６）を掛けて中間層（Ｙ１－Ｙ２）に入力され、その結果にさらに重みＷ２（ｗ２１－ｗ２６）を掛けて出力層（Ｚ１－Ｚ３）から出力される。この出力結果は、重みＷ１とＷ２の値によって変わる。実施の形態１では、入力層に入力されるデータはＸ１～Ｘ９であり、出力層から出力されるデータはＺである。

【0036】

ニューラルネットワークは、データ取得部７１によって取得される要因データＸ１～Ｘ９、および予測データＺ（教師データ）の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、設定温度を戻す操作の有無を学習する。すなわち、ニューラルネットワークは、入力層に要因データＸ１～Ｘ９を入力して出力層から出力された結果が、予測データＺ（正解）に近づくように重みを調整することで学習する。

【0037】

モデル生成部７２は、以上のような学習を実行することで学習済みモデルを生成し、学習済みモデルを学習済みモデル記憶装置７５に出力する。

【0038】

学習済みモデル記憶装置７５は、モデル生成部７２から出力された学習済みモデルを記憶する。

【0039】

次に、学習用データ生成部７６による学習用データを作成する方法を説明する。

【0040】

学習用データ生成部７６は、設定温度変更操作データを生成する。

【0041】

図５は、実施の形態１の設定温度変更操作データの構成を表わす図である。

【0042】

設定温度変更操作データは、利用者Ｓと、時刻と、気温と、利用者Ｓの体表面温度と、変更操作前の設定温度と、変更操作後の設定温度とを含む。利用者Ｓは、設定温度変更操作を行った人物を表わす。時刻は、利用者Ｓによる設定温度変更操作が行われた時刻を表わす。気温は、利用者Ｓによる設定温度変更操作が行われた時刻における気温を表わす。利用者Ｓの体表面温度は、設定温度変更操作を行った人物の体表面温度を表わす。変更操作前の設定温度は、利用者Ｓによる設定温度変更操作前の設定温度を表わす。変更操作後の設定温度は、利用者Ｓによる設定温度変更操作後の設定温度を表わす。

【0043】

学習用データ生成部７６は、設定温度変更操作データが作成された後に、その設定温度変更操作データと関連する１個以上の中途データを作成する。

【0044】

中途データは、設定温度変更操作がなされるまでの室内の状態、および設定温度変更操作を行った人物の状態を表わす。

【0045】

図６は、実施の形態１の中途データの構成を表わす図である。

【0046】

中途データは、利用者Ｓと、時刻と、気温と、利用者Ｓの体表面温度とを含む。利用者Ｓは、設定温度変更操作を行った人物を表わす。時刻は、利用者Ｓによる設定温度変更操作が行われた時刻よりも前の時刻ｔｘを表わす。気温は、時刻ｔｘにおける気温を表わす。利用者Ｓの体表面温度は、時刻ｔｘにおける利用者Ｓの体表面温度を表わす。

【0047】

図７（ａ）は、実施の形態１の設定温度変更操作データＤＶ１を表わす図である。

【0048】

このデータは、「Ａさん」が「８：４５」に設定温度の変更操作を実行したときに作成される。「８：４５」における気温が「２２℃」である。「８：４５」における「Ａさん」の体表面温度が「３７℃」である。設定温度の変更は、「２８℃」から「２５℃」である。

【0049】

図７（ｂ）は、実施の形態１の設定温度変更操作データＤＶ２を表わす図である。

【0050】

このデータは、「Ａさん」が「９：１５」に設定温度の変更操作を実行したときに作成される。「９：１５」における気温が「２５℃」である。「９：１５」における「Ａさん」の体表面温度が「３６℃」である。設定温度の変更は、「２５℃」から「２８℃」である。

【0051】

図７（ｃ）は、実施の形態１の中途データＤＭ１を表わす図である。

【0052】

中途データＤＭ１は、設定温度変更操作データＤＶ２が作成された後に作成され、設定温度変更操作データＤＶ２における設定温度変更操作がなされるまでの室内の状態、および設定温度変更操作を行った人物の状態を表わす。

【0053】

このデータは、「９：１５」よりも前の時刻である「９：００」における気温が「２４℃」であり、「９：００」における「Ａさん」の体表面温度が「３６．５℃」であることを示す。

【0054】

図７（ｄ）は、実施の形態１の設定温度変更操作データＤＶ３を表わす図である。

【0055】

このデータは、「Ａさん」が「１２：２５」に設定温度の変更操作を実行したときに作成される。「１２：２５」における気温が「２９℃」である。「１２：２５」における「Ａさん」の体表面温度が「３７℃」である。設定温度の変更は、「２８℃」から「２６℃」である。

【0056】

図７（ｅ）は、実施の形態１の中途データＤＭ２を表わす図である。

【0057】

中途データＤＭ２は、設定温度変更操作データＤＶ３が作成された後に作成され、設定温度変更操作データＤＶ３における設定温度変更操作がなされるまでの室内の状態、および設定温度変更操作を行った人物の状態を表わす。

【0058】

このデータは、「１２：２５」よりも前の時刻である「１１：００」における気温が「２８℃」であり、「１１：００」における「Ａさん」の体表面温度が「３６℃」であることを示す。

【0059】

学習用データ生成部７６は、設定温度変更操作データおよび中途データに基づいて、学習用データを生成する。

【0060】

図８～図１１は、実施の形態１の学習用データの例を表わす図である。

【0061】

図８の学習用データは、図７（ａ）の設定温度変更操作データＤＶ１と図７（ｂ）の設定温度変更操作データＤＶ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ２の時刻（９：１５）、気温（２５℃）、利用者Ｓの体表面温度（３６℃）から作成される。Ｚは、設定温度変更操作データＤＶ１の変更操作前の設定温度（２８℃）および設定温度変更操作データＤＶ２の変更操作後の設定温度（２８℃）から作成される。設定温度が元に戻されているので、Ｚは、「設定温度の戻し操作あり」に設定される。

【0062】

図９の学習用データは、図７（ａ）の設定温度変更操作データＤＶ１と図７（ｃ）の中途データＤＭ１とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、中途データＤＭ１の時刻（９：００）、気温（２４℃）、利用者Ｓの体表面温度（３６．５℃）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0063】

図１０の学習用データは、図７（ｂ）の設定温度変更操作データＤＶ２と図７（ｄ）の設定温度変更操作データＤＶ３とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ３の時刻（１２：２５）、気温（２９℃）、利用者Ｓの体表面温度（３７℃）から作成される。Ｚは、設定温度変更操作データＤＶ２の変更操作前の設定温度（２５℃）および設定温度変更操作データＤＶ３の変更操作後の設定温度（２６℃）から作成される。設定温度が元に戻されていないので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0064】

図１１の学習用データは、図７（ｂ）の設定温度変更操作データＤＶ２と図７（ｅ）の中途データＤＭ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、中途データＤＭ２の時刻（１１：００）、気温（２８℃）、利用者Ｓの体表面温度（３６℃）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0065】

学習用データ生成部７６は、さらに、空気調和機の電源オフ操作時データを生成する。

【0066】

図１２は、実施の形態１の空気調和機の電源オフ操作時データの構成を表わす図である。このデータは、空気調和機の電源のオフ操作がなされたときの室内の状態、および空気調和機の電源のオフ操作を行った人物の状態を表わす。

【0067】

このデータは、利用者Ｓと、時刻と、気温と、利用者Ｓの体表面温度とを含む。利用者Ｓは、空気調和装置の電源をオフにした人物を表わす。時刻は、空気調和機の電源がオフとされた時刻ｔｙを表わす。気温は、時刻ｔｙにおける気温を表わす。利用者Ｓの体表面温度は、時刻ｔｙにおける利用者Ｓの体表面温度を表わす。

【0068】

図１３（ａ）は、実施の形態１の設定温度変更操作データＤＶを表わす図である。

【0069】

このデータは、「Ｂさん」が「８：４５」に設定温度の変更操作を実行したときに作成される。「８：４５」における気温が「２４℃」である。「８：４５」における「Ｂさん」の体表面温度が「３７℃」である。設定温度の変更は、「２８℃」から「２４℃」である。

【0070】

図１３（ｂ）は、実施の形態１の空気調和機の電源オフ操作時データＤＦを表わす図である。

【0071】

このデータは、「Ｂさん」が「２２：３０」に空気調和機の電源オフ操作を実行したときに作成される。「２２：３０」における気温が「２１℃」である。「２２：３０」における「Ｂさん」の体表面温度が「３５℃」である。

【0072】

図１３（ｃ）は、実施の形態１の中途データＤＭを表わす図である。

【0073】

中途データＤＭは、空気調和機の電源オフ操作時データＤＦが作成された後に作成され、空気調和機の電源オフ操作時データＤＦにおける空気調和機の電源オフ操作がなされるまでの室内の状態、および空気調和機の電源オフ操作を行った人物の状態を表わす。

【0074】

このデータは、「２２：３０」よりも前の時刻である「１２：００」における気温が「２７℃」であり、「１２：００」における「Ｂさん」の体表面温度が「３７℃」であることを示す。

【0075】

学習用データ生成部７６は、空気調和機の電源オフ操作時データおよび設定温度変更操作データに基づいて、学習用データを生成する。

【0076】

図１４および図１５は、実施の形態１の学習用データの例を表わす図である。

【0077】

図１４の学習用データは、図１３（ａ）の設定温度変更操作データＤＶと図１３（ｂ）の空気調和機の電源オフ操作時データＤＦとから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶから作成される。Ｘ７～Ｘ９は、空気調和機の電源オフ操作時データＤＦの時刻（２２：３０）、気温（２１℃）、利用者Ｓの体表面温度（３５℃）から作成される。Ｚは、設定温度変更操作データＤＶ２の変更操作前の設定温度（２５℃）および変更操作後の設定温度（２８℃）から作成される。空気調和機の電源オフ操作時データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「変更なし」に設定される。

【0078】

図１５の学習用データは、図１３（ａ）の設定温度変更操作データＤＶと図１３（ｃ）の中途データＤＭとから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶから作成される。Ｘ７～Ｘ９は、中途データＤＭの時刻（１２：００）、気温（２７℃）、利用者Ｓの体表面温度（３７℃）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「変更なし」に設定される。

【0079】

データ取得部７１は、図８～図１１、図１４、および図１５の学習用データ、およびこられと同等のデータを取得する。モデル生成部７２は、図８～図１１、図１４、および図１５の学習用データ、およびこれらと同等のデータを用いて、学習済みモデルを生成する。

【0080】

図１６は、学習装置７による学習手順を表わすフローチャートである。

【0081】

ステップＳ１０１において、データ取得部７１は、要因データＸ１～Ｘ９、および教師データＺとからなる学習用データを取得する。なお、要因データＸ１～Ｘ９、および教師データ（正解）Ｚを同時に取得するものとしたが、要因データＸ１～Ｘ９、教師データ（正解）Ｚを関連づけて入力できれば良く、要因データＸ１～Ｘ９、教師データ（正解）Ｚのデータをそれぞれ別のタイミングで取得しても良い。

【0082】

ステップＳ１０２において、モデル生成部７２は、データ取得部７１によって取得された要因データＸ１～Ｘ９、および教師データＺの組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、学習済みモデルを生成する。

【0083】

ステップＳ１０３において、学習済みモデル記憶装置７５は、モデル生成部７２が生成した学習済みモデルを記憶する。

【0084】

＜活用フェーズ＞
図１７は、推論装置１の構成を表わす図である。

【0085】

推論装置１は、推論用データ生成部７７と、データ取得部７３と、推論部７４とを備える。

【0086】

推論用データ生成部７７は、空気調和機２の設定温度の変更操作に基づいて、推論用データを生成する。推論用データ生成部７７は、推論用データから要因データを生成する。

【0087】

データ取得部７３は、要因データである利用者の第１の時刻における体表面温度と第２の時刻における体表面温度とを取得する。

【0088】

推論部７４は、利用者の第１の時刻における体表面温度と、第２の時刻における体表面温度とから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論するモデルを用いて、データ取得部７３によって取得された利用者の第１の時刻における体表面温度と第２の時刻における体表面温度とから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。

【0089】

より具体的には、データ取得部７３は、要因データＸ１～Ｘ９を取得する。

【0090】

推論部７４は、学習済みモデル記憶装置７５に記憶されている学習済みモデルと、データ取得部７３によって取得された要因データＸ１～Ｘ９とを用いて、予測データＺを出力する。要因データＸ１～Ｘ９は、モデルの入力ユニットに入力されるデータである。予測データＺは、モデルの出力ユニットから出力されるデータである。すなわち、この学習済みモデルにデータ取得部７３で取得した要因データＸ１～Ｘ９を入力することによって、要因データＸ１～Ｘ９から推論される設定温度の戻し操作の有無を表わすデータＺを出力することができる。要因データＸ１～Ｘ９は、図３に示すものと同様である。

【0091】

次に、推論用データ生成部７７による設定温度変更操作データおよび予測時点の状態データを含む推論用データを作成する方法を説明する。

【0092】

推論用データ生成部７７は、設定温度の変更操作が行われたときに設定温度変更操作データを生成する。推論用データ生成部７７は、設定温度の戻し操作がなされるか否かを予測する時点（予測時点）の室内の状態、および設定温度変更操作を行った人物の状態を表わす予測時点の状態データを生成する。

【0093】

図１８は、実施の形態１の設定温度変更操作データＤＶを表わす図である。

【0094】

このデータは、「Ａさん」が「８：５０」に設定温度の変更操作を実行したときに作成される。「８：５０」における気温が「２３℃」である。「８：５０」における「Ａさん」の体表面温度が「３６．５℃」である。設定温度の変更は、「２７℃」から「２６℃」である。

【0095】

図１９は、実施の形態１の予測時点の状態データＤＫを表わす図である。

【0096】

このデータは、「Ａさん」が設定温度の変更操作を実行した対象人物であり、予測時点が「９：００」であり、予測時点における気温が「２６℃」であり、予測時点における「Ａさん」の体表面温度が「３６℃」であることを示す。

【0097】

図２０は、実施の形態１の推論装置１に入力される要因データＸ１～Ｘ９の例を表わす図である。

【0098】

図２０の要因データＸ１～Ｘ９は、図１８の設定温度変更操作データＤＶと図１９の予測時点の状態データＤＫから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶから作成される。Ｘ７～Ｘ９は、予測時点の状態データＤＫの時刻（９：００）、気温（２５℃）、「９：００」における対象人物「Ａさん」の体表面温度（３６℃）から作成される。

【0099】

データ取得部７３は、図２０の要因データＸ１～Ｘ９を取得する。推論部７４は、図２０の要因データＸ１～Ｘ９を学習済みのニューラルネットワークに入力することによって、設定温度の戻し操作の有無を表わすデータＺを得る。

【0100】

図２１は、推論装置１による推論手順を表わすフローチャートである。

【0101】

ステップＳ２０１において、推論用データ生成部７７は、設定温度変更操作データおよび予測時点の状態データを含む推論用データを生成する。推論用データ生成部７７は、設定温度変更操作データおよび予測時点の状態データから要因データＸ１～Ｘ９を生成する。データ取得部７３は、要因データＸ～Ｘ９を取得する。

【0102】

ステップＳ２０２において、推論部７４は、学習済みモデル記憶装置７５に記憶された学習済みモデルに要因データＸ１～Ｘ９を入力し、設定温度の戻し操作の有無を表わすデータＺを得る。

【0103】

ステップＳ２０３において、推論部７４は、設定温度の戻し操作の有無を表わすデータＺを制御装置６に出力する。

【0104】

ステップＳ２０４において、制御装置６は、温度変更の戻し操作の有無を表わすデータを用いて、空気調和機２を制御する。すなわち、制御装置６は、設定温度の戻し操作ありの場合には、変更操作前の設定温度（Ｘ５）を目標温度として空気調和機２を制御する。

【0105】

以上のように、本実施の形態によれば、日常執務場所が決まっている等で特定されるある利用者による、設定温度変更操作が恒久的な要求であった場合には変更値を維持し、設定温度変更操作が一時的な要求であった場合には、しかるべき時間の経過後に元の設定温度に、空気調和システムが自動変更する。これによって、例えば夏季の出社直後に３０分だけ温度設定を下げ、かつ元の設定値に戻すという煩わしい動作が自動化されるので、快適性が向上する。

【0106】

実施の形態２．
データ取得部７１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における体表面温度と、第１の時刻以降の第２の時刻における利用者の体表面温度とを含む入力データと、第２の時刻において利用者が所望する空気調和機の設定温度を表わす教師データとを含む学習用データを取得する。

【0107】

モデル生成部７２は、学習用データを用いて、利用者の第１の時刻における体表面温度と、第２の時刻における体表面温度とを含む入力データから第２の時刻において利用者が所望する空気調和機の設定温度を表わすデータを推論するための学習済みモデルを生成する。

【0108】

より具体的には、データ取得部７１は、入力データと教師データとからなる学習用データを取得する。学習用データは、要因データＸ１～Ｘ９および教師データＺを互いに関連付けたデータである。

【0109】

図２２は、実施の形態２の入力データと、教師データ（予測データ）とを表わす図である。

【0110】

入力データは、要因データＸ１～Ｘ９を含む。要因データＸ１は、設定温度の変更操作を実施した利用者Ｓである。要因データＸ２は、設定温度変更時の時刻ｔ０（第１の時刻）である。要因データＸ３は、時刻ｔ０の気温である。要因データＸ４は、時刻ｔ０における利用者の体表面温度である。要因データＸ５は、時刻ｔ０における変更操作前の設定温度（Ｔｂ）（第１の温度）である。要因データＸ６は、時刻ｔ０における変更操作後の設定温度（Ｔａ）（第２の温度）である。要因データＸ７は、時刻ｔ０以降の時刻ｔ１（第２の時刻）である。要因データＸ８は、時刻ｔ１の気温である。要因データＸ９は、時刻ｔ１における利用者の体表面温度である。教師データ（正解データ）Ｚは、時刻ｔ１において利用者Ｓが所望する設定温度を表わすデータである。

【0111】

モデル生成部７２は、学習用データを用いて、要因データＸ１～Ｘ９を含む入力データから第２の時刻（ｔ１）において利用者が所望する設定温度を表わすデータを推論するための学習済みモデルを生成する。

【0112】

モデル生成部７２は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習によって、学習済みモデルを生成する。実施の形態２では、入力層に入力されるデータはＸ１～Ｘ９であり、出力層から出力されるデータはＺである。

【0113】

学習済みモデル記憶装置７５は、モデル生成部７２から出力された学習済みモデルを記憶する。

【0114】

次に、学習用データ生成部７６による学習用データを作成する方法を説明する。

【0115】

学習用データ生成部７６は、設定温度変更操作データおよび中途データに基づいて、学習用データを生成する。

【0116】

図２３～図２６は、実施の形態２の学習用データの例を表わす図である。

【0117】

図２３の学習用データは、図７（ａ）の設定温度変更操作データＤＶ１と図７（ｂ）の設定温度変更操作データＤＶ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ２の時刻（９：１５）、気温（２５℃）、利用者Ｓの体表面温度（３６℃）から作成される。Ｚ（所望の設定温度）は、設定温度変更操作データＤＶ２における変更操作後の設定温度（２８℃）から作成される。

【0118】

図２４の学習用データは、図７（ａ）の設定温度変更操作データＤＶ１と図７（ｃ）の中途データＤＭ１とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、中途データＤＭ１の時刻（９：００）、気温（２４℃）、利用者Ｓの体表面温度（３６．５℃）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚ（所望の設定温度）は、設定温度変更操作データＤＶ１のＸ６（変更操作後の設定温度）（＝２５℃）に設定される。

【0119】

図２５の学習用データは、図７（ｂ）の設定温度変更操作データＤＶ２と図７（ｄ）の設定温度変更操作データＤＶ３とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ３の時刻（１２：２５）、気温（２９℃）、利用者Ｓの体表面温度（３７℃）から作成される。Ｚ（所望の設定温度）は、設定温度変更操作データＤＶ２における変更操作後の設定温度（２６℃）から作成される。

【0120】

図２６の学習用データは、図７（ｂ）の設定温度変更操作データＤＶ２と図７（ｅ）の中途データＤＭ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、中途データＤＭ２の時刻（１１：００）、気温（２８℃）、利用者Ｓの体表面温度（３６℃）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚ（所望の設定温度）は、設定温度変更操作データＤＶ２のＸ６（変更操作後の設定温度）（＝２８℃）に設定される。

【0121】

推論装置１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における体表面温度と、第１の時刻以降の第２の時刻における利用者の体表面温度とに基づいて、第２の時刻において利用者が所望する空気調和機の設定温度を推論する。

【0122】

制御装置６は、推論装置１による推論の結果に基づいて、空気調和機２を制御する。制御装置６は、第２の時刻においてグループが第２の温度から第１の温度に設定温度を戻す操作を実施すると推論されたときには、空気調和機２の設定温度を第１の設定温度に戻す。

【0123】

より具体的には、データ取得部７３は、要因データＸ１～Ｘ９を取得する。

【0124】

推論部７４は、学習済みモデル記憶装置７５に記憶されている学習済みモデルと、データ取得部７３によって取得された要因データＸ１～Ｘ９とを用いて、予測データＺを出力する。要因データＸ１～Ｘ９は、モデルの入力ユニットに入力されるデータである。予測データＺは、モデルの出力ユニットから出力されるデータである。すなわち、この学習済みモデルにデータ取得部７３で取得した要因データＸ１～Ｘ９を入力することによって、要因データＸ１～Ｘ９から推論される第２の時刻において利用者が所望する空気調和機２の設定温度を表わすデータＺを出力することができる。要因データＸ１～Ｘ９は、図３に示すものと同様である。

【0125】

実施の形態３．
＜学習フェーズ＞
データ取得部７１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における位置と、第１の時刻以降の第２の時刻における利用者の位置とを含む入力データと、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わす教師データとを含む学習用データを取得する。

【0126】

人についてはＢＬＥ(Bluetooth Low Energy)または画像解析、自席のような設備についてはＢＩＭ(Building Information Modeling)またはフロアマップといった公知の技術を利用して、位置データを取得することができる。

【0127】

モデル生成部７２は、学習用データを用いて、利用者の第１の時刻における位置と、第２の時刻における位置とを含む入力データから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わすデータを推論するための学習済みモデルを生成する。

【0128】

【0129】

図２７は、実施の形態３の入力データと、教師データ（予測データ）とを表わす図である。

【0130】

入力データは、要因データＸ１～Ｘ９を含む。要因データＸ１は、設定温度の変更操作を実施した利用者Ｓである。要因データＸ２は、設定温度変更時の時刻ｔ０（第１の時刻）である。要因データＸ３は、時刻ｔ０の気温である。要因データＸ４は、時刻ｔ０における利用者の位置である。要因データＸ５は、時刻ｔ０における変更操作前の設定温度（Ｔｂ）（第１の温度）である。要因データＸ６は、時刻ｔ０における変更操作後の設定温度（Ｔａ）（第２の温度）である。要因データＸ７は、時刻ｔ０以降の時刻ｔ１（第２の時刻）である。要因データＸ８は、時刻ｔ１の気温である。要因データＸ９は、時刻ｔ１における利用者の位置である。教師データ（正解データ）Ｚは、時刻ｔ１において利用者Ｓが設定温度をＴａからＴｂに戻す操作を実施するか否かを表わすデータである。

【0131】

【0132】

モデル生成部７２は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習によって、学習済みモデルを生成する。実施の形態３では、入力層に入力されるデータはＸ１～Ｘ９であり、出力層から出力されるデータはＺである。

【0133】

次に、学習用データ生成部７６による学習用データを作成する方法を説明する。

【0134】

学習用データ生成部７６は、設定温度変更操作データを生成する。

【0135】

図２８は、実施の形態３の設定温度変更操作データの構成を表わす図である。

【0136】

設定温度変更操作データは、利用者Ｓと、時刻と、気温と、利用者Ｓの位置と、変更操作前の設定温度と、変更操作後の設定温度とを含む。利用者Ｓは、設定温度変更操作を行った人物を表わす。時刻は、利用者Ｓによる設定温度変更操作が行われた時刻を表わす。気温は、利用者Ｓによる設定温度変更操作が行われた時刻における気温を表わす。利用者Ｓの位置は、設定温度変更操作を行った人物の位置を表わす。変更操作前の設定温度は、利用者Ｓによる設定温度変更操作前の設定温度を表わす。変更操作後の設定温度は、利用者Ｓによる設定温度変更操作後の設定温度を表わす。

【0137】

学習用データ生成部７６は、設定温度変更操作データが作成された後に、その設定温度変更操作データと関連する中途データを作成する。

【0138】

中途データは、設定温度変更操作がなされるまでの室内の状態、および設定温度変更操作を行った人物の状態を表わす。

【0139】

図２９は、実施の形態３の中途データの構成を表わす図である。

【0140】

中途データは、利用者Ｓと、時刻と、気温と、利用者Ｓの位置とを含む。利用者Ｓは、設定温度変更操作を行った人物を表わす。時刻は、利用者Ｓによる設定温度変更操作が行われた時刻よりも前の時刻ｔｘを表わす。気温は、時刻ｔｘにおける気温を表わす。利用者Ｓの位置は、時刻ｔｘにおける利用者Ｓの位置を表わす。

【0141】

図３０（ａ）は、実施の形態３の設定温度変更操作データＤＶ１を表わす図である。

【0142】

このデータは、「Ａさん」が「８：４５」に設定温度の変更操作を実行したときに作成される。「８：４５」における気温が「２２℃」である。「８：４５」における「Ａさん」の位置が「自席」である。設定温度の変更は、「２８℃」から「２５℃」である。

【0143】

図３０（ｂ）は、実施の形態３の設定温度変更操作データＤＶ２を表わす図である。

【0144】

このデータは、「Ａさん」が「９：１５」に設定温度の変更操作を実行したときに作成される。「９：１５」における気温が「２５℃」である。「９：１５」における「Ａさん」の位置が「応接席」である。設定温度の変更は、「２５℃」から「２８℃」である。

【0145】

図３０（ｃ）は、実施の形態３の中途データＤＭ１を表わす図である。

【0146】

【0147】

このデータは、「９：１５」よりも前の時刻である「９：００」における気温が「２４℃」であり、「９：００」における「Ａさん」の位置が「自席」であることを示す。

【0148】

図３０（ｄ）は、実施の形態３の設定温度変更操作データＤＶ３を表わす図である。

【0149】

このデータは、「Ａさん」が「１２：２５」に設定温度の変更操作を実行したときに作成される。「１２：２５」における気温が「２９℃」である。「１２：２５」における「Ａさん」の位置が「自席」である。設定温度の変更は、「２８℃」から「２６℃」である。

【0150】

図３０（ｅ）は、実施の形態３の中途データＤＭ２を表わす図である。

【0151】

【0152】

このデータは、「１２：２５」よりも前の時刻である「１１：００」における気温が「２８℃」であり、「１１：００」における「Ａさん」の位置が「応接席」であることを示す。

【0153】

学習用データ生成部７６は、設定温度変更操作データおよび中途データに基づいて、学習用データを生成する。

【0154】

図３１～図３４は、実施の形態３の学習用データの例を表わす図である。

【0155】

図３１の学習用データは、図３０（ａ）の設定温度変更操作データＤＶ１と図３０（ｂ）の設定温度変更操作データＤＶ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ２の時刻（９：１５）、気温（２５℃）、利用者Ｓの位置（応接席）から作成される。Ｚは、設定温度変更操作データＤＶ１の変更操作前の設定温度（２８℃）、設定温度変更操作データＤＶ２の変更操作後の設定温度（２８℃）から作成される。設定温度を元に戻す操作がなされているので、Ｚは、「設定温度の戻し操作あり」に設定される。

【0156】

図３２の学習用データは、図３０（ａ）の設定温度変更操作データＤＶ１と図３０（ｃ）の中途データＤＭ１とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、中途データＤＭ１の時刻（９：００）、気温（２４℃）、利用者Ｓの位置（自席）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0157】

図３３の学習用データは、図３０（ｂ）の設定温度変更操作データＤＶ２と図３０（ｄ）の設定温度変更操作データＤＶ３とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ３の時刻（１２：２５）、気温（２９℃）、利用者Ｓの位置（自席）から作成される。Ｚは、設定温度変更操作データＤＶ２の変更操作前の設定温度（２５℃）および設定温度変更操作データＤＶ３の変更操作後の設定温度（２６℃）から作成される。設定温度を元に戻す操作がなされていないので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0158】

図３４の学習用データは、図３０（ｂ）の設定温度変更操作データＤＶ２と図３０（ｅ）の中途データＤＭ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、中途データＤＭ２の時刻（１１：００）、気温（２８℃）、利用者Ｓの位置（応接席）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0159】

データ取得部７１は、図３１～図３４の学習用データ、およびこれらと同等のデータを取得する。モデル生成部７２は、図３１～図３４の学習用データ、およびこれらと同等のデータを用いて、学習済みモデルを生成する。

【0160】

＜活用フェーズ＞
推論装置１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における位置と、第１の時刻以降の第２の時刻における利用者の位置とに基づいて、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。

【0161】

制御装置６は、推論装置による推論の結果に基づいて、空気調和機２を制御する。制御装置６は、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施すると推論されたときには、空気調和機２の設定温度を第１の設定温度に戻す。

【0162】

【0163】

データ取得部７３は、要因データである利用者の第１の時刻における位置と第２の時刻における位置とを取得する。

【0164】

推論部７４は、利用者の第１の時刻における位置と、第２の時刻における位置とから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論するモデルを用いて、データ取得部７３によって取得された利用者の第１の時刻における位置と第２の時刻における位置とから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。

【0165】

より具体的には、データ取得部７３は、要因データＸ１～Ｘ９を取得する。

【0166】

【0167】

次に、推論用データ生成部７７による設定温度変更操作データおよび予測時点の状態データを含む推論用データを作成する方法を説明する。

【0168】

【0169】

図３５は、実施の形態３の設定温度変更操作データＤＶを表わす図である。

【0170】

このデータは、「Ａさん」が「８：５０」に設定温度の変更操作を実行したときに作成される。「８：５０」における気温が「２３℃」である。「８：５０」における「Ａさん」の位置が「自席」である。設定温度の変更は、「２７℃」から「２６℃」である。

【0171】

図３６は、実施の形態３の予測時点の状態データＤＫを表わす図である。

【0172】

このデータは、「Ａさん」が設定温度の変更操作を実行した対象人物であり、予測時点が「９：００」であり、予測時点における気温が「２５℃」であり、予測時点における「Ａさん」の位置が「自席」であることを示す。

【0173】

図３７は、実施の形態３の推論装置１に入力される要因データＸ１～Ｘ９の例を表わす図である。

【0174】

図３７の要因データＸ１～Ｘ９は、図３５の設定温度変更操作データＤＶと図３６の予測時点の状態データＤＫから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶから作成される。Ｘ７～Ｘ９は、予測時点の状態データＤＫの時刻（９：００）、気温（２５℃）、「９：００」における対象人物「Ａさん」の位置（自席）から作成される。

【0175】

データ取得部７３は、図３７の要因データＸ１～Ｘ９を取得する。推論部７４は、図３７の要因データＸ１～Ｘ９を学習済みのニューラルネットワークに入力することによって、設定温度の戻し操作の有無を表わすデータＺを得る。

【0176】

実施の形態４．
＜学習フェーズ＞
データ取得部７１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施したグループの第１の時刻における活動と、第１の時刻以降の第２の時刻におけるグループの活動とを含む入力データと、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わす教師データとを含む学習用データを取得する。

【0177】

スケジューラといった公知の技術を利用して、グループ及び活動データを取得することができる。

【0178】

モデル生成部７２は、学習用データを用いて、グループの第１の時刻における活動と、第２の時刻における活動とを含む入力データから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わすデータを推論するための学習済みモデルを生成する。

【0179】

【0180】

図３８は、実施の形態４の入力データと、教師データ（予測データ）とを表わす図である。

【0181】

入力データは、要因データＸ１～Ｘ９を含む。要因データＸ１は、設定温度の変更操作を実施しグループＬである。要因データＸ２は、設定温度変更時の時刻ｔ０（第１の時刻）である。要因データＸ３は、時刻ｔ０の気温である。要因データＸ４は、時刻ｔ０におけるグループＬの活動である。要因データＸ５は、時刻ｔ０における変更操作前の設定温度（Ｔｂ）（第１の温度）である。要因データＸ６は、時刻ｔ０における変更操作後の設定温度（Ｔａ）（第２の温度）である。要因データＸ７は、時刻ｔ０以降の時刻ｔ１（第２の時刻）である。要因データＸ８は、時刻ｔ１の気温である。要因データＸ９は、時刻ｔ１におけるグループＬの活動である。教師データ（正解データ）Ｚは、時刻ｔ１において利用者Ｓが設定温度をＴａからＴｂに戻す操作を実施するか否かを表わすデータである。

【0182】

【0183】

【0184】

次に、学習用データ生成部７６による学習用データを作成する方法を説明する。

【0185】

学習用データ生成部７６は、設定温度変更操作データを生成する。

【0186】

図３９は、実施の形態４の設定温度変更操作データの構成を表わす図である。

【0187】

設定温度変更操作データは、グループＬと、時刻と、気温と、グループＬの活動と、変更操作前の設定温度と、変更操作後の設定温度とを含む。グループＬは、設定温度変更操作を行ったグループを表わす。時刻は、グループＬによる設定温度変更操作が行われた時刻を表わす。気温は、グループＬによる設定温度変更操作が行われた時刻における気温を表わす。グループＬの活動は、設定温度変更操作を行ったグループの活動を表わす。変更操作前の設定温度は、グループＬによる設定温度変更操作前の設定温度を表わす。変更操作後の設定温度は、グループＬによる設定温度変更操作後の設定温度を表わす。

【0188】

学習用データ生成部７６は、設定温度変更操作データが作成された後に、その設定温度変更操作データと関連する中途データを作成する。

【0189】

中途データは、設定温度変更操作がなされるまでの室内の状態、および設定温度変更操作を行ったグループの状態を表わす。

【0190】

図４０は、実施の形態４の中途データの構成を表わす図である。

【0191】

中途データは、グループＬと、時刻と、気温と、グループＬの活動とを含む。グループＬは、設定温度変更操作を行ったグループを表わす。時刻は、グループＬによる設定温度変更操作が行われた時刻よりも前の時刻ｔｘを表わす。気温は、時刻ｔｘにおける気温を表わす。グループＬの活動は、時刻ｔｘにおけるグループＬの活動を表わす。

【0192】

図４１（ａ）は、実施の形態４の設定温度変更操作データＤＶ１を表わす図である。

【0193】

このデータは、「１年２組」が「８：４５」に設定温度の変更操作を実行したときに作成される。「８：４５」における気温が「２２℃」である。「８：４５」における「１年２組」の活動が「体育」である。設定温度の変更は、「２８℃」から「２５℃」である。

【0194】

図４０（ｂ）は、実施の形態４の設定温度変更操作データＤＶ２を表わす図である。

【0195】

このデータは、「１年２組」が「９：１５」に設定温度の変更操作を実行したときに作成される。「９：１５」における気温が「２５℃」である。「９：１５」における「１年２組」の活動が「音楽」である。設定温度の変更は、「２５℃」から「２８℃」である。

【0196】

図４１（ｃ）は、実施の形態４の中途データＤＭ１を表わす図である。

【0197】

中途データＤＭ１は、設定温度変更操作データＤＶ２が作成された後に作成され、設定温度変更操作データＤＶ２における設定温度変更操作がなされるまでの状態、および設定温度変更操作を行ったグループの状態を表わす。

【0198】

このデータは、「９：１５」よりも前の時刻である「９：００」における気温が「２４℃」であり、「９：００」における「グループＬ」の活動が「体育」であることを示す。

【0199】

図４１（ｄ）は、実施の形態４の設定温度変更操作データＤＶ３を表わす図である。

【0200】

このデータは、「グループＬ」が「１２：２５」に設定温度の変更操作を実行したときに作成される。「１２：２５」における気温が「２９℃」である。「１２：２５」における「グループＬ」の活動が「国語」である。設定温度の変更は、「２８℃」から「２６℃」である。

【0201】

図４１（ｅ）は、実施の形態４の中途データＤＭ２を表わす図である。

【0202】

【0203】

このデータは、「１２：２５」よりも前の時刻である「１１：００」における気温が「２８℃」であり、「１１：００」における「グループＬ」の活動が「理科」であることを示す。

【0204】

学習用データ生成部７６は、設定温度変更操作データおよび中途データに基づいて、学習用データを生成する。

【0205】

図４２～図４５は、実施の形態４の学習用データの例を表わす図である。

【0206】

図４２の学習用データは、図４１（ａ）の設定温度変更操作データＤＶ１と図４１（ｂ）の設定温度変更操作データＤＶ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ２の時刻（９：１５）、気温（２５℃）、グループＬの活動（音楽）から作成される。Ｚは、設定温度変更操作データＤＶ１の変更操作前の設定温度（２８℃）、設定温度変更操作データＤＶ２の変更操作後の設定温度（２８℃）から作成される。設定温度を元に戻す操作がなされているので、Ｚは、「設定温度の戻し操作あり」に設定される。

【0207】

図４３の学習用データは、図４１（ａ）の設定温度変更操作データＤＶ１と図４１（ｃ）の中途データＤＭ１とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、中途データＤＭ１の時刻（９：００）、気温（２４℃）、グループＬの活動（音楽）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0208】

図４４の学習用データは、図４１（ｂ）の設定温度変更操作データＤＶ２と図４１（ｄ）の設定温度変更操作データＤＶ３とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ３の時刻（１２：２５）、気温（２９℃）、グループＬの活動（国語）から作成される。Ｚは、設定温度変更操作データＤＶ２の変更操作前の設定温度（２５℃）および設定温度変更操作データＤＶ３の変更操作後の設定温度（２６℃）から作成される。設定温度を元に戻す操作がなされていないので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0209】

図４５の学習用データは、図４１（ｂ）の設定温度変更操作データＤＶ２と図４１（ｅ）の中途データＤＭ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、中途データＤＭ２の時刻（１１：００）、気温（２８℃）、利用者Ｓの位置（応接席）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0210】

データ取得部７１は、図４２～図４５の学習用データ、およびこれらと同等のデータを取得する。モデル生成部７２は、図４２～図４５の学習用データ、およびこれらと同等のデータを用いて、学習済みモデルを生成する。

【0211】

＜活用フェーズ＞
推論装置１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施したグループの第１の時刻におけるグループと、第１の時刻以降の第２の時刻におけるグループの活動とに基づいて、第２の時刻においてグループが第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。

【0212】

制御装置６は、推論装置による推論の結果に基づいて、空気調和機２を制御する。制御装置６は、第２の時刻においてグループが第２の温度から第１の温度に設定温度を戻す操作を実施すると推論されたときには、空気調和機２の設定温度を第１の設定温度に戻す。

【0213】

【0214】

データ取得部７３は、要因データである利用者の第１の時刻における位置と第２の時刻における位置とを取得する。

【0215】

推論部７４は、グループの第１の時刻における活動と、第２の時刻における活動とから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論するモデルを用いて、データ取得部７３によって取得されたグループの第１の時刻における活動と第２の時刻における活動とから第２の時刻においてグループが第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。

【0216】

より具体的には、データ取得部７３は、要因データＸ１～Ｘ９を取得する。

【0217】

【0218】

次に、推論用データ生成部７７による設定温度変更操作データおよび予測時点の状態データを含む推論用データを作成する方法を説明する。

【0219】

推論用データ生成部７７は、設定温度の変更操作が行われたときに設定温度変更操作データを生成する。推論用データ生成部７７は、設定温度の戻し操作がなされるか否かを予測する時点（予測時点）の室内の状態、および設定温度変更操作を行ったグループの状態を表わす予測時点の状態データを生成する。

【0220】

図４６は、実施の形態４の設定温度変更操作データＤＶを表わす図である。

【0221】

このデータは、「１年２組」が「８：５０」に設定温度の変更操作を実行したときに作成される。「８：５０」における気温が「２３℃」である。「８：５０」における「１年２組」の活動が「音楽」である。設定温度の変更は、「２７℃」から「２６℃」である。

【0222】

図４７は、実施の形態４の予測時点の状態データＤＫを表わす図である。

【0223】

このデータは、「１年２組」が設定温度の変更操作を実行した対象人物であり、予測時点が「９：００」であり、予測時点における気温が「２５℃」であり、予測時点における「１年２組」の活動が「理科」であることを示す。

【0224】

図４８は、実施の形態４の推論装置１に入力される要因データＸ１～Ｘ９の例を表わす図である。

【0225】

図４８の要因データＸ１～Ｘ９は、図４６の設定温度変更操作データＤＶと図４７の予測時点の状態データＤＫから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶから作成される。Ｘ７～Ｘ９は、予測時点の状態データＤＫの時刻（９：００）、気温（２５℃）、「９：００」における「１年２組」の活動（理科）から作成される。

【0226】

データ取得部７３は、図４８の要因データＸ１～Ｘ９を取得する。推論部７４は、図４８の要因データＸ１～Ｘ９を学習済みのニューラルネットワークに入力することによって、設定温度の戻し操作の有無を表わすデータＺを得る。

【0227】

実施の形態５．
＜学習フェーズ＞
データ取得部７１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における空気調和機が設置された第１の部屋における存否と、第１の時刻以降の第２の時刻における第１の部屋における存否とを含む入力データと、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わす教師データとを含む学習用データを取得する。

【0228】

入退室管理システムのような公知の技術を利用して、存否データを取得することができる。

【0229】

モデル生成部７２は、学習用データを用いて、利用者の第１の時刻における第１の部屋における存否と、第２の時刻における第１の部屋における存否とを含む入力データから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを表わすデータを推論するための学習済みモデルを生成する。

【0230】

【0231】

図４９は、実施の形態５の入力データと、教師データ（予測データ）とを表わす図である。

【0232】

入力データは、要因データＸ１～Ｘ９を含む。要因データＸ１は、設定温度の変更操作を実施した利用者Ｓである。要因データＸ２は、設定温度変更時の時刻ｔ０（第１の時刻）である。要因データＸ３は、時刻ｔ０の気温である。要因データＸ４は、時刻ｔ０における利用者の空気調和機２が設置された第１の部屋における存否である。要因データＸ５は、時刻ｔ０における変更操作前の設定温度（Ｔｂ）（第１の温度）である。要因データＸ６は、時刻ｔ０における変更操作後の設定温度（Ｔａ）（第２の温度）である。要因データＸ７は、時刻ｔ０以降の時刻ｔ１（第２の時刻）である。要因データＸ８は、時刻ｔ１の気温である。要因データＸ９は、時刻ｔ１における空気調和機２が設置された第１の部屋における存否である。教師データ（正解データ）Ｚは、時刻ｔ１において利用者Ｓが設定温度をＴａからＴｂに戻す操作を実施するか否かを表わすデータである。

【0233】

【0234】

モデル生成部７２は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習によって、学習済みモデルを生成する。実施の形態５では、入力層に入力されるデータはＸ１～Ｘ９であり、出力層から出力されるデータはＺである。

【0235】

次に、学習用データ生成部７６による学習用データを作成する方法を説明する。

【0236】

学習用データ生成部７６は、設定温度変更操作データを生成する。

【0237】

図５０は、実施の形態５の設定温度変更操作データの構成を表わす図である。

【0238】

設定温度変更操作データは、利用者Ｓと、時刻と、気温と、利用者Ｓの空気調和機が設置された第１の部屋における存否と、変更操作前の設定温度と、変更操作後の設定温度とを含む。利用者Ｓは、設定温度変更操作を行った人物を表わす。時刻は、利用者Ｓによる設定温度変更操作が行われた時刻を表わす。気温は、利用者Ｓによる設定温度変更操作が行われた時刻における気温を表わす。利用者Ｓの空気調和機が設置された第１の部屋における存否は、設定温度変更操作を行った人物の設定温度変更操作を行なった時刻における第１の部屋における存否を表わす。変更操作前の設定温度は、利用者Ｓによる設定温度変更操作前の設定温度を表わす。変更操作後の設定温度は、利用者Ｓによる設定温度変更操作後の設定温度を表わす。

【0239】

学習用データ生成部７６は、設定温度変更操作データが作成された後に、その設定温度変更操作データと関連する中途データを作成する。

【0240】

中途データは、設定温度変更操作がなされるまでの室内の状態、および設定温度変更操作を行った人物の状態を表わす。

【0241】

図５１は、実施の形態５の中途データの構成を表わす図である。

【0242】

中途データは、利用者Ｓと、時刻と、気温と、利用者Ｓの空気調和機が設置された第１の部屋における存否とを含む。利用者Ｓは、設定温度変更操作を行った人物を表わす。時刻は、利用者Ｓによる設定温度変更操作が行われた時刻よりも前の時刻ｔｘを表わす。気温は、時刻ｔｘにおける気温を表わす。利用者Ｓの空気調和機が設置された第１の部屋における存否は、時刻ｔｘにおける利用者Ｓの第１の部屋における存否を表わす。

【0243】

図５２（ａ）は、実施の形態５の設定温度変更操作データＤＶ１を表わす図である。

【0244】

このデータは、「Ａさん」が「８：４５」に設定温度の変更操作を実行したときに作成される。「８：４５」における気温が「２２℃」である。「８：４５」における「Ａさん」が「在室」である。設定温度の変更は、「２８℃」から「２５℃」である。

【0245】

図５２（ｂ）は、実施の形態５の設定温度変更操作データＤＶ２を表わす図である。

【0246】

このデータは、「Ａさん」が「９：１５」に設定温度の変更操作を実行したときに作成される。「９：１５」における気温が「２５℃」である。「９：１５」における「Ａさん」が「在室」である。設定温度の変更は、「２５℃」から「２８℃」である。

【0247】

図５２（ｃ）は、実施の形態５の中途データＤＭ１を表わす図である。

【0248】

【0249】

このデータは、「９：１５」よりも前の時刻である「９：００」における気温が「２４℃」であり、「９：００」における「Ａさん」が「不在」であることを示す。

【0250】

図５２（ｄ）は、実施の形態５の設定温度変更操作データＤＶ３を表わす図である。

【0251】

このデータは、「Ａさん」が「１２：２５」に設定温度の変更操作を実行したときに作成される。「１２：２５」における気温が「２９℃」である。「１２：２５」における「Ａさん」が「在室」である。設定温度の変更は、「２８℃」から「２６℃」である。

【0252】

図５２（ｅ）は、実施の形態５の中途データＤＭ２を表わす図である。

【0253】

【0254】

このデータは、「１２：２５」よりも前の時刻である「１１：００」における気温が「２８℃」であり、「１１：００」における「Ａさん」が「不在」であることを示す。

【0255】

学習用データ生成部７６は、設定温度変更操作データおよび中途データに基づいて、学習用データを生成する。

【0256】

図５３～図５６は、実施の形態５の学習用データの例を表わす図である。

【0257】

図５３の学習用データは、図５２（ａ）の設定温度変更操作データＤＶ１と図５２（ｂ）の設定温度変更操作データＤＶ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ２の時刻（９：１５）、気温（２５℃）、利用者Ｓの存否（在室）から作成される。Ｚは、設定温度変更操作データＤＶ１の変更操作前の設定温度（２８℃）、設定温度変更操作データＤＶ２の変更操作後の設定温度（２８℃）から作成される。設定温度を元に戻す操作がなされているので、Ｚは、「設定温度の戻し操作あり」に設定される。

【0258】

図５４の学習用データは、図５２（ａ）の設定温度変更操作データＤＶ１と図５２（ｃ）の中途データＤＭ１とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ１から作成される。Ｘ７～Ｘ９は、中途データＤＭ１の時刻（９：００）、気温（２４℃）、利用者Ｓの存否（不在）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0259】

図５５の学習用データは、図５２（ｂ）の設定温度変更操作データＤＶ２と図５２（ｄ）の設定温度変更操作データＤＶ３とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、設定温度変更操作データＤＶ３の時刻（１２：２５）、気温（２９℃）、利用者Ｓの存否（在室）から作成される。Ｚは、設定温度変更操作データＤＶ２の変更操作前の設定温度（２５℃）および設定温度変更操作データＤＶ３の変更操作後の設定温度（２６℃）から作成される。設定温度を元に戻す操作がなされていないので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0260】

図５６の学習用データは、図５２（ｂ）の設定温度変更操作データＤＶ２と図５２（ｅ）の中途データＤＭ２とから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶ２から作成される。Ｘ７～Ｘ９は、中途データＤＭ２の時刻（１１：００）、気温（２８℃）、利用者Ｓの存否（不在）から作成される。中途データは、設定温度の変更がなされていない時刻におけるデータなので、Ｚは、「設定温度の戻し操作なし」に設定される。

【0261】

データ取得部７１は、図５３～図５６の学習用データ、およびこれらと同等のデータを取得する。モデル生成部７２は、図５３～図５６の学習用データ、およびこれらと同等のデータを用いて、学習済みモデルを生成する。

【0262】

＜活用フェーズ＞
推論装置１は、第１の時刻において第１の温度から第２の温度に空気調和機の設定温度変更操作を実施した利用者の第１の時刻における空気調和機が設置された第１の部屋における存否と、第１の時刻以降の第２の時刻における利用者の第１の部屋における存否とに基づいて、第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。

【0263】

【0264】

【0265】

データ取得部７３は、要因データである利用者の第１の時刻における第１の部屋（空気調和機が設置された部屋）における存否と第２の時刻における第１の部屋における存否とを取得する。

【0266】

推論部７４は、利用者の第１の時刻における第１の部屋における存否と、第２の時刻における第１の部屋における存否とから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論するモデルを用いて、データ取得部７３によって取得された利用者の第１の時刻における第１の部屋における存否と第２の時刻における第１の部屋における存否とから第２の時刻において利用者が第２の温度から第１の温度に設定温度を戻す操作を実施するか否かを推論する。

【0267】

より具体的には、データ取得部７３は、要因データＸ１～Ｘ９を取得する。

【0268】

【0269】

次に、推論用データ生成部７７による設定温度変更操作データおよび予測時点の状態データを含む推論用データを作成する方法を説明する。

【0270】

【0271】

図５７は、実施の形態５の設定温度変更操作データＤＶを表わす図である。

【0272】

このデータは、「Ａさん」が「８：５０」に設定温度の変更操作を実行したときに作成される。「８：５０」における気温が「２３℃」である。「８：５０」における「Ａさん」が空気調和機が設置された部屋に「在室」である。設定温度の変更は、「２７℃」から「２６℃」である。

【0273】

図５８は、実施の形態５の予測時点の状態データＤＫを表わす図である。

【0274】

このデータは、「Ａさん」が設定温度の変更操作を実行した対象人物であり、予測時点が「９：００」であり、予測時点における気温が「２５℃」であり、予測時点における「Ａさん」が空気調和機が設置された部屋に「不在」であることを示す。

【0275】

図５９は、実施の形態５の推論装置１に入力される要因データＸ１～Ｘ９の例を表わす図である。

【0276】

図５９の要因データＸ１～Ｘ９は、図５７の設定温度変更操作データＤＶと図５８の予測時点の状態データＤＫから作成される。すなわち、Ｘ１～Ｘ６は、設定温度変更操作データＤＶから作成される。Ｘ７～Ｘ９は、予測時点の状態データＤＫの時刻（９：００）、気温（２５℃）、「９：００」における「Ａさん」の存否（不在）から作成される。

【0277】

データ取得部７３は、図５９の要因データＸ１～Ｘ９を取得する。推論部７４は、図５９の要因データＸ１～Ｘ９を学習済みのニューラルネットワークに入力することによって、設定温度の戻し操作の有無を表わすデータＺを得る。

【0278】

変形例．
以下のような変形例が想定される。

【0279】

（１）学習装置７及び推論装置１は、空気調和システム１０の内部に設けられるものとしたが、これに限定されるものではない。学習装置７および推論装置１は、空気調和システム１０の外部に設けられ、空気調和システム１０の通信装置８を通じて、空気調和システム１０と接続されるものとしてもよい。学習装置７及び推論装置１は、クラウドサーバ上に存在していてもよい。

【0280】

（２）本実施の形態では、ある空気調和システムＡの学習装置において生成された学習済みモデルを同一の空気調和システムＡの推論装置が用いたが、これに限定されるものではない。空気調和システムＡの学習装置において生成された学習済みモデルを別の空気調和システムＢの推論装置が用いてもよい。

【0281】

（３）学習装置は、複数の空気調和システにおいて作成される学習用データを用いてもよい。学習装置は、同一のエリアで使用される複数の空気調和システムから学習用データを取得してもよいし、異なるエリアで独立して動作する複数の空気調和システムから収集される学習用データを取得してもよい。

【0282】

（４）モデル生成部に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習を用いることもでき、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、サポートベクターマシンなどに従って機械学習を実行してもよい。

【0283】

（５）実施の形態１で説明した推論装置１、学習装置７、および制御装置６は、相当する動作をデジタル回路のハードウェアまたはソフトウェアで構成することができる。推論装置１、学習装置７、および制御装置６の機能をソフトウェアを用いて実現する場合には、推論装置１、学習装置７、および制御装置６は、例えば、図６０に示すように、バス５００３によって接続されたプロセッサ５００２とメモリ５００１とを備え、メモリ５００１に記憶されたプログラムをプロセッサ５００２が実行するようにすることができる。

【0284】

（６）上記の実施形態では、推論装置は、学習済みモデルを用いて、データ取得部が取得した入力データから設定温度の戻し操作の有無、あるいは所望の設定温度を表わすデータを入力するものとしたが、これに限定するものではない。

【0285】

たとえば、推論装置は、ルールベース推論、または事例ベース推論に基づいて、データ取得部が取得した入力データから設定温度の戻し操作の有無、あるいは所望の設定温度を表わすデータを出力するものとしてもよい。

【0286】

室温センサ３は、温湿度センサでもよい。この場合には、入力Ｘとして、温度に加えて湿度データも入力してよい。

【0287】

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【符号の説明】

【0288】

１推論装置、２空気調和機、３室温センサ、４体表面温度センサ、５生体認証センサ、６制御装置、７学習装置、８通信装置、９入力装置、１０空気調和システム、７１，７３データ取得部、７２モデル生成部、７４推論部、７５学習済みモデル記憶装置、７６学習用データ生成部、７７推論用データ生成部、５００１メモリ、５００２プロセッサ、５００３バス。

【図1】