特許 7594369 情報処理システム

(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】2024-11-26

(45)【発行日】2024-12-04

(54)【発明の名称】情報処理システム

(51)【国際特許分類】

   H04L 12/28 20060101AFI20241127BHJP

   F25D 23/00 20060101ALI20241127BHJP

   F25D 11/00 20060101ALI20241127BHJP

   G06F 11/22 20060101ALI20241127BHJP

【ＦＩ】

H04L12/28 500A

F25D23/00 301N

F25D11/00 101B

G06F11/22 675C

G06F11/22 673Z

【請求項の数】 9

(21)【出願番号】P 2020088672

(22)【出願日】2020-05-21

(65)【公開番号】P2021184132

(43)【公開日】2021-12-02

【審査請求日】2022-12-15

【前置審査】

(73)【特許権者】

【識別番号】503376518

【氏名又は名称】東芝ライフスタイル株式会社

(74)【代理人】

【識別番号】100141139

【弁理士】

【氏名又は名称】及川 周

(74)【代理人】

【識別番号】100205785

【弁理士】

【氏名又は名称】▲高▼橋 史生

(74)【代理人】

【識別番号】100203297

【弁理士】

【氏名又は名称】橋口 明子

(74)【代理人】

【識別番号】100175824

【弁理士】

【氏名又は名称】小林 淳一

(74)【代理人】

【識別番号】100135301

【弁理士】

【氏名又は名称】梶井 良訓

(72)【発明者】

【氏名】竹内 慎

【審査官】羽岡 さやか

(56)【参考文献】

【文献】米国特許出願公開第２０２０／００７６６４０（ＵＳ，Ａ１）

【文献】特開２０１９－１７９３００（ＪＰ，Ａ）

【文献】中国特許出願公開第１１１１６０６１６（ＣＮ，Ａ）

【文献】特開２０１６－０６５６８０（ＪＰ，Ａ）

【文献】特開２０１３－２１９８８０（ＪＰ，Ａ）

【文献】特開２００９－０７４７５５（ＪＰ，Ａ）

【文献】国際公開第２０１６／１３２４６８（ＷＯ，Ａ１）

【文献】特開平１０－２３８９２０（ＪＰ，Ａ）

【文献】特開２０１９－１４４１７４（ＪＰ，Ａ）

【文献】中国特許出願公開第１１０９５４７５８（ＣＮ，Ａ）

【文献】中国特許出願公開第１０９３０８５１９（ＣＮ，Ａ）

【文献】中国特許出願公開第１１０９９５３８４（ＣＮ，Ａ）

【文献】韓国公開特許第１０－２０１８－００１０６３４（ＫＲ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｌ １２／２８

Ｆ２５Ｄ ２３／００

Ｆ２５Ｄ １１／００

Ｇ０６Ｆ １１／２２

(57)【特許請求の範囲】

【請求項1】

冷蔵庫の運転状態を示す情報が入力されると故障診断の結果を出力するように学習された学習モデルを用いて、前記冷蔵庫の故障診断を行う診断部と、
前記診断部による前記故障診断の結果に基づく情報を前記冷蔵庫または端末装置から出力させる通知部と、
前記冷蔵庫の修理または前記冷蔵庫の点検の結果に基づく情報の入力を受け付ける受付部と、
前記受付部により受け付けられた前記情報を用いて追加学習された学習モデルに基づき前記学習モデルを更新する更新部と、
を備え、
前記学習モデルは、
前記冷蔵庫の運転状態を示す情報が入力されると、前記故障診断の結果を出力するように学習された第１学習モデルと、
前記冷蔵庫の正常時の運転状態を示す情報が入力情報として入力されると、前記入力情報と同じ情報を復元して出力するように学習された第２学習モデルとを含み、
前記診断部は、
前記第１学習モデルを用いた第１故障診断によって、前記冷蔵庫の構成部品の故障又は前記冷蔵庫の故障の予兆を検出する前記冷蔵庫の故障診断を実施し、前記第１故障診断で 前記冷蔵庫から故障または故障の予兆が検出されなかった場合、さらに前記第２学習モデルを用いて第２故障診断を実施し、
前記第１学習モデルは、第１データに基づいて生成され、
前記第２学習モデルは、第１データよりも細かく分けられた第２データごとに、前記第２データに基づいて生成される、
情報処理システム。

【請求項2】

前記通知部は、前記故障診断の結果として故障が生じている可能性が第１閾値以上であると判定された場合、ユーザに前記修理を促す通知を出力させる、
請求項１に記載の情報処理システム。

【請求項3】

前記通知部は、前記故障診断の結果として故障が生じている可能性が前記第１閾値未満であるが、故障の予兆が生じている可能性が第２閾値以上であると判定された場合、前記ユーザに前記点検を促す通知を出力させる、
請求項２に記載の情報処理システム。

【請求項4】

前記第１データは、複数の冷蔵庫からのデータであり、
前記第２データは、ユーザごとに対応づけられた区分によって前記第１データよりも細かく分けられたデータである、
請求項１又は請求項２に記載の情報処理システム。

【請求項5】

前記診断部は、前記冷蔵庫の運転状態を所定の比較対象と比較することで前記第２故障診断を行う、
請求項１に記載の情報処理システム。

【請求項6】

前記診断部は、前記冷蔵庫の直近の運転状態と、前記冷蔵庫の過去の運転状態との比較に基づき前記第２故障診断を行う、
請求項１から請求項５の何れか１項に記載の情報処理システム。

【請求項7】

前記故障診断の結果として故障が生じている可能性が第３閾値以上であると判定された場合、前記冷蔵庫の制御を第１態様で変更する制御変更部をさらに備える、
請求項１から請求項６のうちいずれか１項に記載の情報処理システム。

【請求項8】

前記制御変更部は、前記故障診断の結果として故障が生じている可能性は前記第３閾値未満であるが、故障の予兆が生じている可能性が第４閾値以上であると判定された場合、前記冷蔵庫の制御を前記第１態様とは異なる第２態様で変更する、
請求項７に記載の情報処理システム。

【請求項9】

冷蔵庫の運転状態を示す情報が入力されると故障診断の結果を出力するように学習された第１学習モデルを用いて第１故障診断を実施し、前記第１故障診断で前記冷蔵庫から故障または故障の予兆が検出されなかった場合、冷蔵庫の正常時の運転状態を示す情報が入力情報として入力されると、前記入力情報と同じ情報を復元して出力するように学習された第２学習モデルを用いて、前記第２学習モデルに入力する前記冷蔵庫の運転状態を示す情報と、前記第２学習モデルから出力される出力情報との比較に基づき前記冷蔵庫の第２故障診断を行う診断部と、
前記診断部による前記故障診断の結果に基づく情報を前記冷蔵庫または端末装置から出力させる通知部と、
前記冷蔵庫の修理または前記冷蔵庫の点検の結果に基づく情報の入力を受け付ける受付部と、
前記受付部により受け付けられた前記情報を用いて追加学習された学習モデルに基づき前記学習モデルを更新する更新部と、
を備え、
前記第１学習モデルは、第１データに基づいて生成され、
前記第２学習モデルは、第１データよりも細かく分けられた第２データごとに、前記第２データに基づいて生成される、
情報処理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、情報処理システムに関する。

【背景技術】

【0002】

動作履歴を含む近時データを利用して機器を診断するサーバが提案されている。ところで、故障診断に関する情報処理システムとしては、より適切な故障診断を行うことができる情報処理システムが期待されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１９－１７９３００号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

本発明が解決しようとする課題は、より適切な故障診断を行うことができる情報処理システムを提供することである。

【課題を解決するための手段】

【0005】

実施形態の情報処理システムは、診断部と、通知部と、受付部と、更新部とを持つ。前記診断部は、冷蔵庫の運転状態を示す情報が入力されると故障診断の結果を出力するように学習された学習モデルを用いて、前記冷蔵庫の故障診断を行う。前記通知部は、前記診断部による前記故障診断の結果に基づく情報を前記冷蔵庫または端末装置から出力させる。前記受付部は、前記冷蔵庫の修理または前記冷蔵庫の点検の結果に基づく情報の入力を受け付ける。前記更新部は、前記受付部により受け付けられた前記情報を用いて追加学習された学習モデルに基づき前記学習モデルを更新する。前記学習モデルは、第１学習モデルと、第２学習モデルとを含む。前記第１学習モデルは、前記冷蔵庫の運転状態を示す情報が入力されると、前記故障診断の結果を出力するように学習されている。前記第１学習モデルは、前記冷蔵庫の正常時の運転状態を示す情報が入力情報として入力されると、前記入力情報と同じ情報を復元して出力するように学習されている。前記診断部は、前記第１学習モデルを用いた第１故障診断によって、前記冷蔵庫の構成部品の故障又は前記冷蔵庫の故障の予兆を検出する前記冷蔵庫の故障診断を実施し、前記第１故障診断で 前記冷蔵庫から故障または故障の予兆が検出されなかった場合、さらに前記第２学習モデルを用いて第２故障診断を実施する。前記第１学習モデルは、第１データに基づいて生成される。前記第２学習モデルは、第１データよりも細かく分けられた第２データごとに、前記第２データに基づいて生成される。

【図面の簡単な説明】

【0006】

【図1】実施形態の故障診断システムを示す図。

【図2】実施形態の冷蔵庫の構成を示すブロック図。

【図3】実施形態のサーバの構成を示すブロック図。

【図4】実施形態の第１学習モデルを模式的に示す図。

【図5】実施形態の第２学習モデルを模式的に示す図。

【図6】実施形態の第２学習モデルを別観点で模式的に示す図。

【図7】実施形態のサーバの処理の流れを示すフローチャート。

【発明を実施するための形態】

【0007】

以下、実施形態の情報処理システムを、図面を参照して説明する。以下の説明では、同一または類似の機能を有する構成に同一の符号を付す。そして、それら構成の重複する説明は省略する場合がある。「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含み得る。「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含み得る。「ＸＸまたはＹＹ」とは、ＸＸとＹＹのうちいずれか一方の場合に限定されず、ＸＸとＹＹの両方の場合も含み得る。これは選択的要素が３つ以上の場合も同様である。「ＸＸ」および「ＹＹ」は、任意の要素（例えば任意の情報）である。

【0008】

＜１．故障診断システムの全体構成＞
図１は、実施形態の故障診断システム１の全体構成を示す図である。故障診断システム１は、例えば、冷蔵庫１００、サーバ２００、および端末装置３００を含む。後述するネットワークＮＷは、例えば、インターネット、セルラー網、Ｗｉ－Ｆｉ網、ＬＰＷＡ（Low Power Wide Area）、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、またはその他の公衆回線や専用回線などを状況に応じて利用すればよい。

【0009】

冷蔵庫１００は、ユーザＵの住居に配置されている。冷蔵庫１００は、後述する無線モジュール１４０（図２参照）を有し、例えば同じ住居内に配置された無線ルータＲおよびネットワークＮＷを介して、サーバ２００と通信可能である。冷蔵庫１００については詳しく後述する。

【0010】

サーバ２００は、１台以上のサーバ装置ＳＤ（例えばクラウドサーバ）で構成される。サーバ２００は、「サーバシステム」と称されてもよい。サーバ２００は、ネットワークＮＷ中のルータに含まれる情報処理部など、エッジコンピューティングやフォグコンピューティングを行う情報処理部を含んでもよい。サーバ２００については、詳しく後述する。

【0011】

端末装置３００は、冷蔵庫１００のユーザＵが使用する端末装置である。端末装置３００は、例えば、スマートフォンまたはタブレット端末のような携帯型端末装置であり、サーバ２００から受信する故障診断の結果を表示可能な表示画面を含む。ただし、端末装置３００は、上記例に限らず、サーバ２００から受信する故障診断の結果を音声で出力可能な音声対話装置（例えばスマートスピーカ）などでもよい。

【0012】

＜２．冷蔵庫＞
図２は、冷蔵庫１００の構成を示すブロック図である。冷蔵庫１００は、例えば、冷蔵室温度センサ１０１、野菜室温度センサ１０２、冷凍室温度センサ１０３、冷蔵冷却器温度センサ１０４、冷凍冷却器温度センサ１０５、周囲温度センサ１０６、庫内カメラ１０７、冷蔵室扉スイッチ１０８、野菜室扉スイッチ１０９、冷凍室扉スイッチ１１０、電流検出部１１１、圧縮機１２１、冷媒切替弁１２２、冷蔵冷却ファン１２３、冷凍冷却ファン１２４、ダンパ１２５、ヒータ１２６、表示装置１３０、無線モジュール（通信モジュール）１４０、記憶部１５０、および制御部１６０を有する。なお、冷蔵庫１００は、上述した構成に加え、冷蔵庫の一般的な構成（筐体や扉、冷却器など）を有する。

【0013】

冷蔵室温度センサ１０１は、冷蔵庫１００の冷蔵室に設けられ、冷蔵室の温度を検出する。野菜室温度センサ１０２は、冷蔵庫１００の野菜室に設けられ、野菜室の温度を検出する。冷凍室温度センサ１０３は、冷蔵庫１００の冷凍室に設けられ、冷凍室の温度を検出する。冷蔵室温度センサ１０１、野菜室温度センサ１０２、および冷凍室温度センサ１０３の各々は、冷蔵庫１００の庫内温度を検出する「庫内温度センサ」の一例である。以下では、冷蔵室温度センサ１０１、野菜室温度センサ１０２、および冷凍室温度センサ１０３を纏めて「庫内温度センサＲＳ」と称する。

【0014】

冷蔵冷却器温度センサ１０４は、冷蔵冷却器に取り付けられ、冷蔵冷却器の温度を検出する。冷蔵冷却器は、圧縮機１２１から冷媒が供給され、冷蔵室および野菜室を冷却する空気を冷却するエバポレータである。冷凍冷却器温度センサ１０５は、冷凍冷却器に取り付けられ、冷凍冷却器の温度を検出する。冷凍冷却器は、圧縮機１２１から冷媒が供給され、冷凍室を冷却する空気を冷却するエバポレータである。以下では、冷蔵冷却器温度センサ１０４と冷凍冷却器温度センサ１０５を纏めて「冷却器温度センサＥＳ」と称する。また、冷蔵冷却器と冷凍冷却器とを纏めて「冷却器」と称する。

【0015】

周囲温度センサ１０６は、冷蔵庫１００の周囲の温度（すなわち、冷蔵庫１００が設置された部屋の室温）を検出する。庫内カメラ１０７は、例えば、冷蔵室、野菜室、または冷凍室に設けられ、冷蔵庫１００の庫内の様子を撮影するカメラである。庫内カメラ１０７は、冷蔵室、野菜室、または冷凍室に対する食品の出し入れおよび／または庫内の貯蔵量（冷却負荷）を検出する検出部である。

【0016】

冷蔵室扉スイッチ１０８は、冷蔵庫１００の冷蔵室扉の開閉を検出する。野菜室扉スイッチ１０９は、冷蔵庫１００の野菜室扉の開閉を検出する。冷凍室扉スイッチ１１０は、冷蔵庫１００の冷凍室扉の開閉を検出する。以下では、冷蔵室扉スイッチ１０８、野菜室扉スイッチ１０９、および冷凍室扉スイッチ１１０を纏めて「扉スイッチＤＳ」と称する。

【0017】

電流検出部１１１は、冷蔵庫１００が有する電気部品に流れる電流の電流値を検出する。電気部品は、例えば、圧縮機１２１、冷蔵冷却ファン１２３、冷凍冷却ファン１２４、製氷皿モータ、給水モータ、またはヒータ１２６などである。

【0018】

圧縮機１２１は、冷蔵冷却器および冷凍冷却器に供給される冷媒を圧縮する。冷媒切替弁１２２は、圧縮機１２１で圧縮された冷媒が流れる流路を、冷蔵冷却器に供給する流路と、冷凍冷却器に供給する流路とに選択的に接続する。冷蔵冷却ファン１２３は、冷蔵冷却器により冷やされた冷気を冷蔵室および野菜室で循環させる。冷凍冷却ファン１２４は、冷凍冷却器により冷やされた冷気を冷凍室で循環させる。以下では、冷蔵冷却ファン１２３と冷凍冷却ファン１２４を纏めて「冷却ファンＦ」と称する。ダンパ１２５は、冷蔵庫１００内の空気流路の途中に設けられ、当該空気流路を開閉する。ヒータ１２６は、例えば除霜用のヒータである。ヒータ１２６は、冷却器に設けられ、冷却器に付着した霜が多くなった場合に加熱され、冷却器に付着した霜を溶かす。

【0019】

表示装置１３０は、例えば液晶ディスプレイまたは有機ＥＬディスプレイ（Electro Luminescence）ディスプレイであり、故障検知の結果を表示可能な表示画面を含む。表示装置１３０は、「報知器」の一例である。無線モジュール１４０は、高周波回路およびアンテナを含み、無線ルータＲと無線通信可能である。

【0020】

記憶部１５０は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリ、またはこれらのうち複数の組み合わせにより実現される。記憶部１５０には、制御量情報ＣＩが記憶されている。

【0021】

制御量情報ＣＩは、例えば、各運転モードにおける圧縮機１２１、冷却ファンＦ、およびヒータ１２６などの基本制御量が登録された情報である。基本制御量とは、冷蔵庫１００に初期設定されている制御量であり、冷蔵庫１００が正常な場合の制御量である。例えば、制御量情報ＣＩには、冷蔵運転の強度が「弱」「中」「強」のそれぞれの場合における圧縮機１２１の運転周波数や冷却ファンＦの回転数（または、冷却目標温度と庫内温度との差に応じた圧縮機１２１の運転周波数や冷却ファンＦの回転数）、冷却器の除霜を開始する冷却器の閾値温度、およびヒータ１２６の通電量などの基本制御量が登録されている。制御部１６０は、制御量情報ＣＩに登録された各構成部品の制御量に基づき冷蔵庫１００の各構成部品を動作させる。

【0022】

制御部１６０は、例えば、冷蔵庫１００に搭載されたＣＰＵ（Central Processing Unit）のようなハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。ただし、制御部１６０の全部または一部は、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、またはＦＰＧＡ（Field Programmable Gate Array）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアとの協働によって実現されてもよい。制御部１６０は、庫内温度センサＲＳ、冷却器温度センサＥＳ、周囲温度センサ１０６、庫内カメラ１０７、扉スイッチＤＳ、および電流検出部１１１の検出結果に基づき、冷蔵庫１００の制御や食材の在庫管理を行う。

【0023】

本実施形態では、制御部１６０は、庫内温度センサＲＳ、冷却器温度センサＥＳ、周囲温度センサ１０６、庫内カメラ１０７、扉スイッチＤＳ、および電流検出部１１１の検出結果を、冷蔵庫１００の運転状態を示す情報（以下、「運転状態情報」と称する）としてサーバ２００に送信する。また、制御部１６０は、そのときの冷蔵庫１００の運転モードを示す情報を、運転状態情報の一部としてサーバ２００に送信する。制御部１６０は、無線モジュール１４０を介して、運転状態情報を所定の周期（例えば１０分毎）でサーバ２００に送信する。また、制御部１６０は、後述するサーバ２００の通知部２５０から受信する故障診断の結果を、表示装置１３０を制御して表示装置１３０に表示させる。

【0024】

＜３．サーバ＞
図３は、サーバ２００の構成を示すブロック図である。サーバ２００は、例えば、情報取得部２１０、情報蓄積部２２０、学習部（更新部）２３０、診断部２４０、通知部２５０、受付部２６０、および制御変更部２７０を有する。これら機能部は、例えば、サーバ２００に搭載されたＣＰＵのようなハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。ただし、これら機能部の全部または一部は、ＡＳＩＣ、ＰＬＤ、またはＦＰＧＡなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアとの協働によって実現されてもよい。

【0025】

さらに、サーバ２００は、記憶部２８０を有する。記憶部２８０は、例えば、ＲＡＭ、ＲＯＭ、ＨＤＤ、フラッシュメモリ、またはこれらのうち複数の組み合わせにより実現される。記憶部２８０には、過去データＰＤ、第１学習モデルＭ１、および第２学習モデルＭ２が記憶されている。これらについては詳しく後述する。

【0026】

本実施形態では、サーバ２００は、「情報処理システム」の一例である。ここで、上述した情報取得部２１０、情報蓄積部２２０、学習部２３０、診断部２４０、通知部２５０、受付部２６０、制御変更部２７０、および記憶部２８０の一部または全部は、サーバ２００に代えて、冷蔵庫１００に設けられてもよい。これら場合、サーバ２００と冷蔵庫１００とが協働することで「情報処理システム」の一例が構成されてもよく、冷蔵庫１００が単独で「情報処理システム」の一例に該当してもよい。以下では、上記機能部がサーバ２００に設けられる例について説明する。

【0027】

情報取得部２１０は、不図示の通信モジュールを介して通信を行い、冷蔵庫１００から送信された運転状態情報を取得する（受け取る）。すなわち、情報取得部２１０は、庫内温度センサＲＳ、冷却器温度センサＥＳ、周囲温度センサ１０６、庫内カメラ１０７、扉スイッチＤＳ、および電流検出部１１１の検出結果などを所定の周期で取得する。情報取得部２１０は、故障診断の実行段階では、故障診断対象の冷蔵庫１００から運転状態情報を取得する。一方で、情報取得部２１０は、後述する学習モデルの学習段階では、学習用データとして多数の冷蔵庫１００から運転状態情報を収集する。

【0028】

情報蓄積部２２０は、情報取得部２１０によって新しい運転状態情報が取得された場合、新しく取得された運転状態情報を日時情報と対応付けて記憶部２８０の過去データＰＤに追加して蓄積する。本実施形態では、情報蓄積部２２０は、冷蔵庫１００から所定の周期（例えば１０分毎）で取得される運転状態情報を、過去データＰＤに随時追加して蓄積する。これにより、情報蓄積部２２０は、冷蔵庫１００の運転状態の変化の履歴を蓄積する。

【0029】

学習部２３０は、第１学習モデルＭ１および第２学習モデルＭ２を生成する。第１学習モデルＭ１および第２学習モデルＭ２は、機械学習により学習された学習済みモデルであり、サポートベクターマシンまたはニューラルネットワークなどにより構成される。

【0030】

図４は、第１学習モデルＭ１を模式的に示す図である。例えば、第１学習モデルＭ１は、入力層、隠れ層（中間層）、および出力層を含むニューラルネットワークによって構成される。第１学習モデルＭ１は、教師データを用いたディープラーニングなどによって入力層、隠れ層、および出力層に含まれるノードｎの間の重み付け係数などが調整されることで学習が行われる。なお図４では、入力情報および出力情報について一部の構成部品に関する情報だけを例示している。これは図５および図６でも同様である。

【0031】

第１学習モデルＭ１は、冷蔵庫１００の運転状態情報が入力されると故障診断の結果を出力するように学習された学習モデルである。例えば、第１学習モデルＭ１は、冷蔵庫１００の運転状態情報が入力情報として入力された場合、冷蔵庫１００に故障が生じている可能性、および冷蔵庫１００に故障の予兆が生じている可能性を出力情報として出力する。

【0032】

入力情報である運転状態情報は、直近に取得された１回分の運転状態情報（所定の周期で取得される運転状態情報の１回分）でもよいし、情報蓄積部２２０によって一定期間に亘り蓄積された運転状態情報でもよい。「一定期間に亘り蓄積された運転状態情報」は、例えば、１日分の運転状態情報でもよいし、１週間分の運転状態情報でもよいし、１ヶ月分の運転状態情報でもよし、その他の期間の運転状態情報でもよい。本実施形態では、入力情報である運転状態情報は、第１期間（例えば１ヶ月）分の運転状態情報である。入力情報である運転状態情報は、庫内温度センサＲＳ、冷却器温度センサＥＳ、周囲温度センサ１０６、庫内カメラ１０７、扉スイッチＤＳ、および電流検出部１１１の検出結果などを含む。

【0033】

本実施形態では、第１学習モデルＭ１の出力情報は、冷蔵庫１００に含まれる複数の構成部品（圧縮機１２１、冷却ファンＦ、冷却器、ヒータ１２６、扉、筐体など）の各々についての故障の可能性および故障の予兆の可能性を含む。本実施形態で「故障」とは、構成部品の正常な働きが損なわれている状態を意味する。一方で、本実施形態では「予兆」とは、故障が生じる前段階の小さな変化が生じている状態であり、構成部品は動作するが、動作が不安定になることがある状態や異常な動作を伴うことがある状態などを意味する。

【0034】

圧縮機１２１に関して言えば、「故障」とは、冷媒の漏れが生じて圧縮率が低下する場合や、過電流が流れる場合などであり、「予兆」とは、圧縮機１２１の振動が大きくなる場合や、圧縮機１２１から異音がする場合などである。冷却ファンＦに関して言えば、「故障」とは、冷却ファンＦの回転が停止してしまう場合などであり、「予兆」とは、冷却ファンＦの振動が大きくなる場合や、冷却ファンＦから異音がする場合などである。冷却器に関して言えば、「故障」とは、経年劣化により表面のコーティングが剥がれ、多くの霜が付着し、冷却器としての機能が維持できなくなる場合などであり、「予兆」とは、霜が付着しやすくなり、運転モードや冷蔵庫１００の周囲温度などの条件によっては、冷蔵室や冷凍室の冷え（冷却時の温度低下率や最低温度など）が悪くなることなどである。

【0035】

ヒータ１２６に関して言えば、「故障」とは、冷却器を加熱できない場合や過電流が流れる場合などであり、「予兆」とは、運転モードや冷蔵庫１００の周囲温度などの条件によっては、冷却器を十分に加熱できない（所定時間内に目標温度まで到達できない）場合などである。筐体や扉に関して言えば、「故障」とは、保温機能が所定以下に低下してしまう場合などであり、「予兆」とは、筐体や扉の内部に含まれる真空断熱材でスローリークが生じ、冷蔵室や冷凍室の冷えが徐々に悪くなる場合などである。

【0036】

学習部２３０は、記憶部２８０に蓄積された過去データＰＤに基づいて生成された教師データに基づき教師あり学習を行い、第１学習モデルＭ１を生成する。教師データは、冷蔵庫１００の正常時の運転状態情報に対して、冷蔵庫１００の各構成部品が正常であること（正解データ）が対応付けられた第１データセット、冷蔵庫１００の１つ以上の構成部品に実際に故障が生じた状態の運転状態情報に対して、上記１つ以上の構成部品に故障が生じていること（正解データ）が対応付けられた第２データセット、および、冷蔵庫１００の１つ以上の構成部品に実際に故障の予兆が生じた状態での運転状態情報に対して、上記１つ以上の構成部品に故障の予兆が生じていること（正解データ）が対応付けられた第３データセットを含む。これら正解データは、例えば、冷蔵庫１００の実際の修理やメンテナンスなどのサポートサービスで確認された内容に基づいて登録されている。

【0037】

第１学習モデルＭ１は、第１区分をひと纏まり（１つの単位）として生成される。第１区分は、冷蔵庫１００の機種ごとに分けられた区分、または、基本設計が同じ複数機種ごとに分けられた区分である。以下では、第１区分が冷蔵庫１００の機種ごとに設定される例について説明する。すなわち、複数の家庭に配置された同じ機種である複数の冷蔵庫１００から収集された運転状態情報および修理や点検の結果に基づき、第１学習モデルＭ１が学習される。

【0038】

図５は、第２学習モデルＭ２を模式的に示す図である。例えば、第２学習モデルＭ２は、入力層、隠れ層（中間層）、および出力層を含むニューラルネットワークによって構成される。第２学習モデルＭ２は、教師データを用いたディープラーニングなどによって入力層、隠れ層、および出力層に含まれるノードｎの間の重み付け係数などが調整されることで学習が行われる。

【0039】

第２学習モデルＭ２では、入力層のノード数と、出力層のノード数が同じである。第２学習モデルＭ２では、少なくとも１つの隠れ層のノード数は、入力層のノード数よりも少なく、且つ、出力層のノード数よりも少ない。第２学習モデルＭ２は、ある情報が入力層に入力された場合、入力された情報を隠れ層で圧縮し、圧縮した情報を復元し、復元した情報を出力層から出力するモデルである。本実施形態では、第２学習モデルＭ２は、冷蔵庫１００の正常時の運転状態情報が入力情報として入力された場合、入力情報と同じ情報を復元して出力するように学習されている。入力情報と同じ情報とは、入力情報に対する差分が予め設定された所定の閾値未満である情報を意味する。

【0040】

本実施形態では、第２学習モデルＭ２に入力される入力情報である運転状態情報は、例えば、直近に取得された１回分の運転状態情報（所定の周期で取得される運転状態情報の１回分）でもよいし、情報蓄積部２２０によって一定期間に亘り蓄積された運転状態情報でもよい。「一定期間に亘り蓄積された運転状態情報」は、例えば、１日分の運転状態情報でもよいし、１週間分の運転状態情報でもよいし、１ヶ月分の運転状態情報でもよし、その他の期間の運転状態情報でもよい。本実施形態では、第２学習モデルＭ２に入力される入力情報である運転状態情報は、上記第１期間よりも短い第２期間（例えば１日）分の蓄積された運転状態情報である。入力情報である運転状態情報は、庫内温度センサＲＳ、冷却器温度センサＥＳ、周囲温度センサ１０６、庫内カメラ１０７、扉スイッチＤＳ、および電流検出部１１１の検出結果などを含む。本実施形態では、出力情報は、入力情報と同じ庫内温度センサＲＳ、冷却器温度センサＥＳ、周囲温度センサ１０６、庫内カメラ１０７、扉スイッチＤＳ、および電流検出部１１１の検出結果などである。

【0041】

学習部２３０は、記憶部２８０に蓄積された過去データＰＤに基づいて生成された教師データに基づき教師あり学習を行い、第２学習モデルＭ２を生成する。教師データは、入力情報である冷蔵庫１００の正常時の運転状態情報に対して、同じ運転状態情報（正解データ）が出力情報として対応付けられたデータセットである。言い換えると、第２学習モデルＭ２の教師データとしては、冷蔵庫１００の正常時の運転状態情報があればよく、冷蔵庫１００に故障が生じた場合や、冷蔵庫１００に故障の予兆が生じている場合の運転状態情報は不要である。

【0042】

図６は、第２学習モデルＭ２を別観点で模式的に示す図である。上述したような学習が行われた結果、第２学習モデルＭ２は、冷蔵庫１００に異常が生じている場合の運転状態情報が入力情報として入力された場合、第２学習モデルＭ２から出力された出力情報は、入力情報とは一致しない。すなわち、入力情報と出力情報の差分が上記所定の閾値以上となる。

【0043】

第２学習モデルＭ２は、上述した第１区分とは異なる第２区分をひと纏まり（１つの単位）として生成される。第２区分は、例えば、第１区分よりも細分化された区分である。第２区分は、冷蔵庫１００のユーザＵごとに分けられた区分、同じ属性（単身／核家族／大家族、または若者／子育て世代／高齢者など）のユーザＵごとに分けられた区分、または、冷蔵庫１００の機種ごとに分けられた区分である。以下では、第２区分が冷蔵庫１００のユーザＵごとに設定される例について説明する。すなわち、あるユーザＵの冷蔵庫１００から収集された正常時の運転状態情報に基づき、ユーザＵごとに第２学習モデルＭ２が学習される。

【0044】

診断部２４０は、冷蔵庫１００の運転状態を示す情報に基づき、冷蔵庫１００の故障診断を行う。例えば、診断部２４０は、第１診断部２４１と、第２診断部２４２とを有する。

【0045】

第１診断部２４１は、第１学習モデルＭ１を用いて、冷蔵庫１００の第１故障診断を行う。すなわち、第１診断部２４１は、故障診断対象の冷蔵庫１００から取得された運転状態情報（例えば上記第１期間の運転状態情報）を第１学習モデルＭ１に入力し、故障診断対象の冷蔵庫１００の各構成部品に故障が生じている可能性と、冷蔵庫１００の各構成部品に故障の予兆が生じている可能性を出力させる。

【0046】

第１診断部２４１は、冷蔵庫１００の第１故障診断の結果として、冷蔵庫１００の各構成部品に故障が生じている可能性を示す情報（例えば、「圧縮機に故障が生じている可能性は〇〇％」）と、冷蔵庫１００の各構成部品に故障の予兆が生じている可能性を示す情報（例えば、「圧縮機に故障の予兆が生じている可能性は〇〇％」）を通知部２５０に出力する。

【0047】

第２診断部２４２は、第２学習モデルＭ２を用いて、冷蔵庫１００の第２故障診断を行う。第２診断部２４２は、故障診断対象の冷蔵庫１００から取得された運転状態情報（例えば上記第２期間分の運転状態情報）を第２学習モデルＭ２に入力する。第２診断部２４２は、第２学習モデルＭ２に入力した冷蔵庫１００の各構成部品の運転状態情報と、第２学習モデルＭ２から出力された冷蔵庫１００の各構成部品の運転状態情報とを比較する。第２学習モデルＭ２から出力された運転状態情報は、「所定の比較対象」の一例である。

【0048】

そして、第２診断部２４２は、第２学習モデルＭ２に入力した冷蔵庫１００の構成部品の運転状態情報と第２学習モデルＭ２から出力された当該構成部品の運転状態情報との差異が上記所定の閾値以上である場合、当該構成部品に関連する異常が存在すると判定する。一方で、第２診断部２４２は、第２学習モデルＭ２に入力した全ての構成部品の運転状態情報と第２学習モデルＭ２から出力された全ての構成部品の運転状態情報との差異が予め上記所定の閾値未満である場合、冷蔵庫１００に全ての構成部品に異常が存在しないと判定する。第２診断部２４２は、冷蔵庫１００の第２故障診断の結果として、冷蔵庫１００の構成部品ごとの異常の有無を示す情報を通知部２５０に出力する。なお、第２故障診断は、冷蔵庫１００の構成部品ごとの異常の有無の判定に代えて、冷蔵庫１００全体に対する異常の有無の判定のみを行ってもよい。

【0049】

通知部２５０は、冷蔵庫１００に含まれる各構成部品について、第１故障診断の結果として出力された故障が生じている可能性が第１閾値以上であるか否かを判定する。通知部２５０は、各構成部品について故障が生じている可能性が第１閾値以上である場合、冷蔵庫１００または端末装置３００に所定の制御指令を送信することで、所定の第１報知を冷蔵庫１００の表示装置１３０または端末装置３００から出力させる。「報知を出力」とは、所定のメッセージを表示画面に表示させること、またはスピーカから音声出力することなどを意味する。

【0050】

第１報知は、第１故障診断の結果を示す情報と、ユーザＵに修理を促す通知とを含む。第１報知に含まれる第１故障診断の結果を示す情報は、「故障診断の結果に基づく情報」の一例である。第１報知に含まれる第１故障診断の結果を示す情報は、冷蔵庫１００に含まれるどの構成要素に故障が生じている可能性があるかを示す情報を含み得る。第１報知は、例えば、「圧縮機に故障が生じている可能性があります。サポートセンターに修理を依頼してください」のようなメッセージである。一方で、通知部２５０は、冷蔵庫１００の全ての構成要素について故障が生じている可能性が第１閾値未満である場合、第１報知は出力させない。

【0051】

さらに、通知部２５０は、冷蔵庫１００に含まれる各構成部品について第１故障診断の結果として出力された故障の予兆が生じている可能性が第２閾値以上であるか否かを判定する。通知部２５０は、各構成部品について故障が生じている可能性が第１閾値未満であるが、当該構成部品について故障の予兆が生じている可能性が第２閾値以上である場合、冷蔵庫１００または端末装置３００に所定の制御指令を送信することで、所定の第２報知を冷蔵庫１００の表示装置１３０または端末装置３００から出力させる。第２閾値は、第１閾値と同じ値でもよく、第１閾値よりも高い値でもよく、第１閾値よりも低い値でもよい。例えば、第２閾値は、第１閾値よりも低く設定される。これにより、実際に故障が生じる前に、故障の予兆を早い段階でユーザＵに知らせることができる。

【0052】

第２報知は、第１故障診断の結果を示す情報と、ユーザＵに点検を促す通知とを含む。第２報知に含まれる第１故障診断の結果を示す情報は、「故障診断の結果に基づく情報」の一例である。第２報知に含まれる第１故障診断の結果を示す情報は、冷蔵庫１００に含まれるどの構成要素に故障の予兆が生じている可能性があるかを示す情報を含み得る。第２報知は、例えば、「圧縮機に故障の予兆が生じている可能性があります。圧縮機から異音が聞こえないか点検してください」のようなメッセージである。一方で、通知部２５０は、冷蔵庫１００の全ての構成要素について故障の予兆が生じている可能性が第２閾値未満である場合、第２報知は出力させない。

【0053】

さらに、通知部２５０は、冷蔵庫１００に含まれる少なくとも１つの構成部品について第２故障診断の結果として当該構成部品に異常が存在すると判定された場合、冷蔵庫１００または端末装置３００に所定の制御指令を送信することで、所定の第３報知を冷蔵庫１００の表示装置１３０または端末装置３００から出力させる。

【0054】

第３報知は、第２故障診断の結果を示す情報と、ユーザＵに冷蔵庫１００の調子の確認を促す通知とを含む。第３報知に含まれる第２故障診断の結果を示す情報は、「故障診断の結果に基づく情報」の一例である。第３報知に含まれる第２故障診断の結果を示す情報は、冷蔵庫１００に含まれるどの構成要素に異常が存在するかを示す情報を含み得る。第３報知は、例えば、「圧縮機に異常が存在する可能性があります。圧縮機から異音が聞こえるなどの異常がないか確認してください」のようなメッセージである。一方で、通知部２５０は、冷蔵庫１００の全ての構成要素について異常が生じていないと判定された場合、第３報知は出力させない。

【0055】

さらに、通知部２５０は、後述する受付部２６０によって第３報知に対するユーザの確認結果の入力が受け付けられ、受け付けられたユーザの入力が冷蔵庫１００に故障の可能性があることを示唆する内容である場合、冷蔵庫１００または端末装置３００に所定の制御指令を送信することで、所定の第４報知を冷蔵庫１００の表示装置１３０または端末装置３００から出力させてもよい。第４報知は、ユーザに確認してもらった異常が冷蔵庫１００の構成部品の故障または故障の予兆であることをユーザに知らせる報知である。

【0056】

受付部２６０は、上記修理または上記点検の結果に基づく情報の入力を受け付ける。修理の結果に基づく情報は、例えば、上記第１報知に応じて修理またはメンテナンスが行われた場合に実際に故障が生じていたか否か、および故障が生じていた場合に実際にどの構成部品に故障が生じていたかを示す情報などを含む。修理の結果に基づく情報は、例えば、サポートセンターの作業員が不図示の入力装置を用いることで入力される。受付部２６０は、上記入力装置を用いて入力された情報を受け付ける。受付部２６０は、当該受付部２６０により受け付けられた情報（正解データ）を、第１故障診断に用いられた運転状態情報と対応付けて教師データの一部に加える。

【0057】

一方で、点検の結果に基づく情報は、例えば、上記第２報知に応じてユーザＵが点検を行った場合に実際に故障の予兆が生じていたか否か、および故障の予兆が生じていた場合に実際にどの構成部品に故障の予兆が生じていたかを示す情報などを含む。点検の結果に基づく情報は、例えば、端末装置３００または冷蔵庫１００の表示装置１３０などを用いて冷蔵庫１００のユーザＵによって入力される。受付部２６０は、端末装置３００または冷蔵庫１００の表示装置１３０などを用いて入力された情報を受け付ける。受付部２６０は、当該受付部２６０により受け付けられた情報（正解データ）を、第１故障診断に用いられた運転状態情報と対応付けて教師データの一部に加える。

【0058】

本実施形態では、学習部２３０は、受付部２６０により受け付けられた情報を用いて第１学習モデルＭ１を追加学習させる。そして、学習部２３０は、追加学習することで新しく生成された第１学習モデルＭ１を用いて古い第１学習モデルＭ１を更新する。学習部２３０は、受付部２６０により新しい情報が受け付けられるごとに第１学習モデルＭ１を追加学習してもよく、受付部２６０により受け付けられた情報が所定量以上に蓄積された場合に第１学習モデルＭ１を追加学習してもよい。

【0059】

制御変更部２７０は、第１故障診断の結果として故障が生じている可能性が第３閾値以上あると判定された場合、冷蔵庫１００の制御を変更する。例えば、制御変更部２７０は、冷蔵庫１００に所定の制御指令を送信することで、冷蔵庫１００の記憶部１５０に記憶されている制御量情報ＣＩを変更する。例えば、制御変更部２７０は、制御量情報ＣＩに含まれる基本制御量を第１修正制御量に変更する。これにより、冷蔵庫１００の制御部１６０は、第１修正制御量に基づき冷蔵庫１００を運転する。第３閾値は、上記第１閾値と同じでもよく、第１閾値よりも高くてもよく、第１閾値よりも低くてもよい。例えば、第３閾値が第１閾値よりも低く設定されると、より早い段階で故障の予防を行うように冷蔵庫１００の制御を変更することができる。基本制御量を第１修正制御量に変更することは、「第１態様で変更」の一例である。

【0060】

本実施形態では、制御変更部２７０は、圧縮機１２１に故障が生じている可能性が上記第３閾値以上あると判定された場合、変更前と変更後で同じ運転条件（例えば同じ運転モード）に対して圧縮機１２１の駆動量が少なくするように冷蔵庫１００の制御を変更する。同様に、制御変更部２７０は、冷却ファンＦに故障が生じている可能性が上記第３閾値以上あると判定された場合、変更前と変更後で同じ運転条件（例えば同じ運転モード）に対して冷却ファンＦの駆動量が少なくするように冷蔵庫１００の制御を変更する。

【0061】

本実施形態では、制御変更部２７０は、冷却器に故障が生じている可能性が上記第３閾値以上あると判定された場合、変更前と変更後で同じ運転条件（例えば同じ運転モード）に対して冷却器に設けられたヒータ１２６の加熱量が多くなるように冷蔵庫１００の制御を変更する。本実施形態では、制御変更部２７０は、ヒータ１２６に故障が生じている可能性が上記第３閾値以上あると判定された場合、変更前と変更後で同じ運転条件（例えば同じ運転モード）に対してヒータ１２６の加熱量が小さくなるように冷蔵庫１００の制御を変更する。本実施形態では、制御変更部２７０は、筐体または扉に故障が生じている可能性が上記第３閾値以上あると判定された場合、変更前と変更後で同じ運転条件（例えば同じ運転モード）に対して圧縮機１２１および／または冷却ファンＦの駆動量が多くなるように冷蔵庫１００の制御を変更する。

【0062】

一方で、制御変更部２７０は、第１故障診断の結果として故障が生じている可能性は上記第３閾値未満であるが、故障の予兆が生じている可能性が第４閾値以上あると判定された場合、冷蔵庫１００の制御を変更する。例えば、制御変更部２７０は、冷蔵庫１００に所定の制御指令を送信することで、冷蔵庫１００の記憶部１５０に記憶されている制御量情報ＣＩを変更する。例えば、制御変更部２７０は、制御量情報ＣＩに含まれる基本制御量を第２修正制御量に変更する。これにより、冷蔵庫１００の制御部１６０は、第２修正制御量に基づき冷蔵庫１００を運転する。例えば、第２修正制御量は、第１修正制御量と比べて、基本制御量に対する修正量が少ない制御量である。第４閾値は、上記第２閾値と同じでもよく、第２閾値よりも高くてもよく、第２閾値よりも低くてもよい。例えば、第４閾値が第２閾値よりも低く設定されると、より早い段階で故障の予防を行うように冷蔵庫１００の制御を変更することができる。基本制御量を第２修正制御量に変更することは、「第２態様で変更」の一例である。

【0063】

本実施形態では、制御変更部２７０は、冷蔵庫１００に含まれる各構成部品について故障が生じている可能性がある場合と、当該構成部品について故障の予兆が生じている可能性がある場合とで、基本的に同じ方向（例えば駆動量を減らす方向、または増やす方向）の制御量の変更を行う。このため、故障の予兆が生じている可能性がある場合についての制御例は、上述した圧縮機１２１、冷却ファンＦ、冷却器、ヒータ１２６、筐体および扉に関する各々の制御例の説明において「故障が生じている可能性が上記第１閾値以上あると判定された場合」を「故障の予兆が生じている可能性が上記第２閾値以上あると判定された場合」と読み替えればよい。

【0064】

＜４．処理の流れ＞
図７は、実施形態のサーバ２００の処理の流れを示すフローチャートである。まず、情報取得部２１０は、故障診断対象の冷蔵庫１００から運転状態情報を取得する（Ｓ１０１）。情報蓄積部２２０は、情報取得部２１０により取得された情報を過去データＰＤに追加して蓄積する（Ｓ１０２）。

【0065】

診断部２４０は、情報取得部２１０により第１期間に亘り蓄積された直近の運転状態情報を入力情報として第１学習モデルＭ１に入力し、第１故障診断を行う（Ｓ１０３）。すなわち、診断部２４０は、第１故障診断として、冷蔵庫１００の全ての構成部品が正常であるか否か（つまり、各構成部品についての故障が生じている可能性が第１閾値未満であり、且つ、各構成部品についての故障の予兆が生じている可能性が第２閾値未満であるか否か）を判定する。

【0066】

第１故障診断で冷蔵庫１００の少なくとも１つの構成部品が正常でないと判定された場合（Ｓ１０３：故障／故障の予兆）、通知部２５０は、当該構成部品について故障が生じている可能性が第１閾値以上であるか否かを判定する（Ｓ１０４）。通知部２５０は、少なくとも１つの構成部品について故障が生じている可能性が第１閾値以上であると判定した場合（Ｓ１０４：故障）、故障が生じている可能性が高いものとして、上述した第１報知を行う（Ｓ１０５）。

【0067】

一方で、通知部２５０は、冷蔵庫１００に含まれる構成部品について故障が生じている可能性が第１閾値未満であるが、当該構成部品について故障の予兆が生じている可能性が第２閾値以上である場合（Ｓ１０４：故障の予兆）、故障の予兆が生じている可能性が高いものとして、上述した第２報知を行う（Ｓ１０６）。

【0068】

次に、学習部２３０は、修理または点検の結果に基づく追加学習用の情報の入力が受付部２６０によって受け付けられたか否かを判定する（Ｓ１１１）。学習部２３０は、追加学習用の情報の入力が受付部２６０によって受け付けられた場合（Ｓ１１１：ＹＥＳ）、受付部２６０により受け付けられた情報に基づき、第１学習モデルＭ１を追加学習させ、第１学習モデルＭ１を更新する（Ｓ１１２）。一方で、追加学習用の情報の入力が受付部２６０によって受け付けられない場合（Ｓ１１１：ＮＯ）、Ｓ１０１の処理に戻り、上述した処理が繰り返される。

【0069】

次に、制御変更部２７０は、第１故障診断で冷蔵庫１００の少なくとも１つの構成部品が正常でないと判定された場合、第１修正制御量または第２修正制御量に基づき、冷蔵庫１００の制御量情報ＣＩを変更する。これにより、制御変更部２７０は、冷蔵庫１００の制御を変更する（Ｓ１１３）。その後、Ｓ１０１の処理に戻り、上述した処理が繰り返される。

【0070】

一方で、第１故障診断で冷蔵庫１００の全ての構成部品が正常であると判定された場合（Ｓ１０３：正常）、情報蓄積部２２０は、第２学習モデルＭ２を生成するために十分な正常時の冷蔵庫１００の運転状態情報（正常データ）が蓄積されているか否かを判定する（Ｓ１２１）。十分な正常時の冷蔵庫１００の運転状態情報（正常データ）が蓄積されていない場合（Ｓ１２１：ＮＯ）、情報蓄積部２２０は、取得された直近の運転状態情報を正常データの一部として蓄積する（Ｓ１２２）。

【0071】

一方で、十分な正常時の冷蔵庫１００の運転状態情報（正常データ）が蓄積され、第２学習モデルＭ２が学習されて既に生成されている場合（Ｓ１２１：ＹＥＳ）、診断部２４０は、情報取得部２１０により第２期間に亘り蓄積された直近の運転状態情報を入力情報として第２学習モデルＭ２に入力し、第２故障診断を行う（Ｓ１２３）。すなわち、診断部２４０は、第２故障診断として、冷蔵庫１００に含まれる各構成部品について異常があるか否かを判定する。

【0072】

そして、冷蔵庫１００に含まれる各構成部品について正常と判定された場合（Ｓ１２３：正常）、情報蓄積部２２０は、第２故障診断に用いられた運転状態情報を正常データの一部として蓄積する（Ｓ１２２）。一方で、冷蔵庫１００に含まれる少なくとも１つの構成部品について異常があると判定された場合（Ｓ１２３：異常）、通知部２５０は、第３報知を行うことで、冷蔵庫１００の調子を確認することをユーザに促す（Ｓ１２４）。

【0073】

次に、受付部２６０は、第３報知に対するユーザの確認結果の入力を受け付け、受け付けたユーザの入力が冷蔵庫１００に故障の可能性があることを示唆する確認結果であるか否かを判定する（Ｓ１２５）。受付部２６０により冷蔵庫１００に故障の可能性がないことを示すユーザの入力が受け付けられた場合（Ｓ１２５：ＮＯ）、情報蓄積部２２０は、第２故障診断に用いられた運転状態情報を正常データの一部として蓄積する（Ｓ１２２）。一方で、受付部２６０により冷蔵庫１００に故障の可能性があることを示すユーザの入力が受け付けられた場合（Ｓ１２５：ＹＥＳ）、上述した第４報知を行う（Ｓ１２６）。この場合、制御変更部２７０は、冷蔵庫１００の制御を変更する（Ｓ１１３）。その後、Ｓ１０１の処理に戻り、上述した処理が繰り返される。

【0074】

＜５．作用＞
比較例として、電流値やセンサ値に対して閾値を設定して故障診断を行う故障診断システムについて考える。このような故障診断システムでは、冷蔵庫の運転状態と故障の有無との対応付けが難しい故障のような場合に、故障診断の精度向上が難しい場合があり得る。

【0075】

本実施形態では、情報処理システムは、冷蔵庫の運転状態を示す情報が入力されると第１故障診断の結果を出力するように学習された第１学習モデルＭ１を用いて冷蔵庫１００の第１故障診断を行う診断部２４０と、診断部２４０による第１故障診断の結果に基づく情報を冷蔵庫１００または端末装置３００から出力させる通知部２５０とを含む。このような構成によれば、冷蔵庫の運転状態と故障の有無との対応付けが難しい故障のような場合でも、より適切な故障診断を行うことができる。

【0076】

本実施形態では、通知部２５０は、第１故障診断の結果として故障が生じている可能性が第１閾値以上あると判定された場合、ユーザＵに修理を促す通知を出力させる。このような構成によれば、故障の可能性がある段階でユーザＵが対応を取ることができ、冷蔵庫１００の機能が停止する前に修理やメンテナンスを行うことができる。これにより、ユーザＵの利便性を高めることができる。

【0077】

本実施形態では、通知部２５０は、第１故障診断の結果として故障が生じている可能性が第１閾値未満であるが、故障の予兆が生じている可能性が第２閾値以上あると判定された場合、ユーザＵに点検を促す通知を出力させる。このような構成によれば、より早い段階でユーザＵが対応を取ることができ、より確実に冷蔵庫１００の機能が停止する前に修理やメンテナンスを行うことができる。これにより、ユーザＵの利便性をさらに高めることができる。

【0078】

本実施形態では、情報処理システムは、修理または点検の結果に基づく情報の入力を受け付ける受付部２６０と、受付部２６０により受け付けられた情報を用いて追加学習された学習モデルに基づき第１学習モデルＭ１を更新する学習部２３０とを備える。このような構成によれば、修理または点検の結果に基づく情報を用いて第１学習モデルＭ１を更新することができる。これにより、故障診断の精度をさらに高めることができる。

【0079】

本実施形態では、診断部２４０は、冷蔵庫１００の運転状態を示す情報が入力されると故障診断の結果を出力するように学習された第１学習モデルＭ１を用いた第１故障診断を行い、第１故障診断で冷蔵庫１００が正常であると判定された場合、冷蔵庫１００の運転状態を示す情報に基づき異常の有無を追加で判定する第２故障診断を行う。このような構成によれば、発生件数が少ない故障のような教師データを十分に集めにくい故障についても、異常の有無を検出することができる。これにより、より適切な故障診断を行うことができる。

【0080】

本実施形態では、診断部２４０は、冷蔵庫１００の運転状態を所定の比較対象と比較することで上記第２故障診断を行う。このような構成によれば、比較的簡便な方法によって異常の有無を検出することができる。

【0081】

本実施形態では、診断部２４０は、冷蔵庫１００の正常時の運転状態を示す情報が入力情報として入力されると、上記入力情報と同じ情報を復元して出力するように学習された第２学習モデルＭ２を用いて、第２学習モデルＭ２に入力する冷蔵庫１００の運転状態を示す情報と、第２学習モデルＭ２から出力される出力情報との比較に基づき上記第２故障診断を行う。このような構成によれば、このような構成によれば、発生件数が少ない故障のような教師データを十分に集めにくい故障についても、さらに精度良く故障診断を行うことができる。例えば、ユーザＵの使い方を反映した異常判定や、運転状態と故障の有無との対応付けが難しい場合などにも対応可能になる。

【0082】

本実施形態では、情報処理システムは、故障診断の結果として故障が生じている可能性が第３閾値以上あると判定された場合、冷蔵庫１００の制御を変更する制御変更部２７０をさらに備える。このような構成によれば、実際にはまだ故障が生じてない場合、故障の予防を図ることができる。

【0083】

本実施形態では、制御変更部２７０は、故障診断の結果として故障が生じている可能性は第３閾値未満であるが、故障の予兆が生じている可能性が第４閾値以上あると判定された場合、冷蔵庫１００の制御を変更する。このような構成によれば、より早い段階で故障の予防を図ることができる。

【0084】

＜６．変形例＞
上述した実施形態では、第２故障診断は、第２学習モデルＭ２を用いて行う例について説明した。ただし、第２故障診断は、上記例に限定されず、冷蔵庫１００の直近の運転状態と、冷蔵庫１００の過去の運転状態との比較に基づき行われてもよい。冷蔵庫１００の直近の運転状態は、例えば、直近の第２期間における運転状態である。冷蔵庫１００の過去の運転状態は、過去データＰＤに蓄積された過去の第２期間における運転状態である。冷蔵庫１００の過去の運転状態は、「所定の比較対象」の一例である。

【0085】

本変形例では、図７に示されたＳ１２３の処理において、冷蔵庫１００の直近の運転状態と冷蔵庫１００の過去の運転状態との比較に基づき第２故障診断が行われる。その他の構成および処理については、上記実施形態と同様である。

【0086】

以上説明した少なくともひとつの実施形態によれば、情報処理システムは、冷蔵庫の運転状態を示す情報が入力されると故障診断の結果を出力するように学習された学習モデルを用いて前記冷蔵庫の故障診断を行う診断部と、上記診断部による故障診断の結果に基づく情報を冷蔵庫または端末装置から出力させる通知部とを持つ。このような構成によれば、より適切な故障診断を行うことができる。

【0087】

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

【符号の説明】

【0088】

１…故障診断システム、１００…冷蔵庫、２００…サーバ、２１０…情報取得部、２２０…情報蓄積部、２３０…学習部（更新部）、２４０…診断部、２５０…通知部、２６０…受付部、２７０…制御変更部、３００…端末装置。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】