特許 7672014 情報処理装置、機械学習装置、推論装置、情報処理方法、機械学習方法、及び、推論方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2025-04-24

(45)【発行日】2025-05-07

(54)【発明の名称】情報処理装置、機械学習装置、推論装置、情報処理方法、機械学習方法、及び、推論方法

(51)【国際特許分類】

   F16K 37/00 20060101AFI20250425BHJP

【ＦＩ】

F16K37/00 Z

【請求項の数】 9

(21)【出願番号】P 2024003639

(22)【出願日】2024-01-12

【審査請求日】2024-12-18

【早期審査対象出願】

(73)【特許権者】

【識別番号】592115504

【氏名又は名称】金子産業株式会社

(74)【代理人】

【識別番号】100214248

【弁理士】

【氏名又は名称】青山 純

(72)【発明者】

【氏名】中村 善典

【審査官】所村 陽一

(56)【参考文献】

【文献】特開２００２－６１７６６（ＪＰ，Ａ）

【文献】特開２０１６－１４６９２１（ＪＰ，Ａ）

【文献】特開２００９－１３８９６４（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｆ１６Ｋ ３７／００

(57)【特許請求の範囲】

【請求項1】

弁機構の状態を予測する情報処理装置であって、
弁体と弁座との間の所定の変量である入力情報に基づいて、前記弁機構の状態を示す弁機構状態を求めるものであり、
検知方向に向かって検知対象の前記所定の変量を検知することができる一つ以上の検知器を備え、
前記弁座は、流路の一部を構成しており、
前記弁座には、前記弁体が接することで前記流路が閉鎖される弁座端面が形成されており、
前記弁座には、一つ以上の検知器設置空間が形成されており、
各前記検知器設置空間には、前記検知器が設置されており、
前記検知方向は、前記検知器が前記検知器設置空間に設置された状態において、前記弁座端面越しにある前記弁体に向かっており、
前記検知器設置空間は、前記弁座端面にて閉鎖されている、
情報処理装置。

【請求項2】

前記一つ以上の検知器のうち少なくとも一つの前記検知器は、距離センサ、振動センサ、及び音響センサのうちいずれか一つの種類のセンサを用いている、
請求項１に記載の情報処理装置。

【請求項3】

前記弁機構状態には、前記弁体と前記弁座との間を流れる流体の流量、前記弁体と前記弁座との間からの予期せぬ流体の漏れの有無、前記弁体と前記弁座との間からの予期せぬ流体の漏れ量、及び前記弁体と前記弁座との間からの予期せぬ流体の漏れの予兆のうちの少なくとも一つを含む、
請求項１に記載の情報処理装置。

【請求項4】

前記入力情報が入力されると、前記入力情報と前記弁機構状態との相関関係が機械学習により学習された学習モデルを用いて、前記弁機構状態を決定し、決定された前記弁機構状態を出力する、
請求項１に記載の情報処理装置。

【請求項5】

弁機構の状態を示す弁機構状態を推論するための学習モデルを生成する機械学習装置であって、
弁体と弁座との間の所定の変量である入力情報と、前記入力情報に対応する前記弁機構状態と、により構成される学習用データを複数組記憶する学習用データ記憶部と、
前記学習用データが複数組入力されることにより、前記入力情報と前記弁機構状態との相関関係を学習モデルに学習させ、学習された前記学習モデルを記憶する機械学習モデル記憶部と、
を備え、
前記弁座は、流路の一部を構成しており、
前記弁座には、前記弁体が接することで前記流路が閉鎖される弁座端面が形成されており、
前記弁座には、一つ以上の検知器設置空間が形成されており、
各前記検知器設置空間には、検知器が設置されており、
各前記検知器は、検知方向に向かって検知対象の前記所定の変量を検知することができ、
前記検知方向は、前記検知器が前記検知器設置空間に設置された状態において、前記弁座端面越しにある前記弁体に向かっており、
前記検知器設置空間は、前記弁座端面にて閉鎖されている、
機械学習装置。

【請求項6】

メモリと、少なくとも一つのプロセッサとを備え、弁機構の状態を示す弁機構状態を推論する推論装置であって、
前記少なくとも一つのプロセッサは、弁体と弁座との間の所定の変量である入力情報を取得する情報取得処理と、
前記入力情報を取得すると、前記メモリに格納されている機械学習による学習モデル を用いて、前記弁機構状態を推論する推論処理と、
推論された前記弁機構状態を出力する出力処理と、
を実行するものであって、
前記弁座は、流路の一部を構成しており、
前記弁座には、前記弁体が接することで前記流路が閉鎖される弁座端面が形成されており、
前記弁座には、一つ以上の検知器設置空間が形成されており、
各前記検知器設置空間には、検知器が設置されており、
各前記検知器は、検知方向に向かって検知対象の前記所定の変量を検知することができ、
前記検知方向は、前記検知器が前記検知器設置空間に設置された状態において、前記弁座端面越しにある前記弁体に向かっており、
前記検知器設置空間は、前記弁座端面にて閉鎖されている、
推論装置。

【請求項7】

弁機構の状態を示す弁機構状態を決定するための情報処理方法であって、
弁体と弁座との間の所定の変量である入力情報に対応する前記弁機構状態を求める方法であって、
前記弁座は、流路の一部を構成しており、
前記弁座には、前記弁体が接することで前記流路が閉鎖される弁座端面が形成されており、
前記弁座には、一つ以上の検知器設置空間が形成されており、
各前記検知器設置空間には、検知器が設置されており、
各前記検知器は、検知方向に向かって検知対象の前記所定の変量を検知することができ、
前記検知方向は、前記検知器が前記検知器設置空間に設置された状態において、前記弁座端面越しにある前記弁体に向かっており、
前記検知器設置空間は、前記弁座端面にて閉鎖されている、
情報処理方法。

【請求項8】

弁機構の状態を示す弁機構状態を推論するための学習モデルを生成する機械学習方法であって、
弁体と弁座との間の所定の変量である入力情報と、前記入力情報に対応した前記弁機構状態とにより構成される学習用データを一つ以上の記憶した状態において、
前記学習用データが入力されることにより、前記入力情報と前記弁機構状態との相関関係を学習モデルに学習させる機械学習工程と、
前記機械学習工程において学習された前記学習モデルを機械学習モデル記憶部に記憶させる学習済みモデル記憶工程と、
を実行する方法であって、
前記弁座は、流路の一部を構成しており、
前記弁座には、前記弁体が接することで前記流路が閉鎖される弁座端面が形成されており、
前記弁座には、一つ以上の検知器設置空間が形成されており、
各前記検知器設置空間には、検知器が設置されており、
各前記検知器は、検知方向に向かって検知対象の前記所定の変量を検知することができ、
前記検知方向は、前記検知器が前記検知器設置空間に設置された状態において、前記弁座端面越しにある前記弁体に向かっており、
前記検知器設置空間は、前記弁座端面にて閉鎖されている、
機械学習方法。

【請求項9】

メモリと、少なくとも一つのプロセッサとを備える推論装置により実行されて、弁機構の状態を示す弁機構状態を推論する推論方法であって、
前記少なくとも一つのプロセッサは、弁体と弁座との間の所定の変量である入力情報を取得する情報取得工程と、
前記入力情報を取得すると、前記メモリに格納されている機械学習による学習モデルを用いて、前記弁機構状態を推論する推論工程と、
推論された前記弁機構状態を出力する出力工程と、
を実行する方法であって、
前記弁座は、流路の一部を構成しており、
前記弁座には、前記弁体が接することで前記流路が閉鎖される弁座端面が形成されており、
前記弁座には、一つ以上の検知器設置空間が形成されており、
各前記検知器設置空間には、検知器が設置されており、
各前記検知器は、検知方向に向かって検知対象の前記所定の変量を検知することができ、
前記検知方向は、前記検知器が前記検知器設置空間に設置された状態において、前記弁座端面越しにある前記弁体に向かっており、
前記検知器設置空間は、前記弁座端面にて閉鎖されている、
推論方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、情報処理装置、機械学習装置、推論装置、情報処理方法、機械学習方法、及び、推論方法に関する。

【背景技術】

【0002】

従来、容器内の流体の排出口を有するプラス側弁座と、容器内の圧力に応じて排出口を開閉することができるプラス側弁とを有したブリザーバルブが知られている（例えば特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１８－２１６５２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

流体の流路上に設けられた弁体と弁座とからなる弁機構では、内部を流通する流体の管理の重要性から、弁機構によって流路を確実に閉鎖するとともに、弁機構を通過する流体の量の検証ができること、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証ができること、そして万一、流体が弁機構から漏れ出している場合には、その漏れ量の検証ができることが要求されている。更に、不測の事態による弁機構からの流体の漏れを防止するため、又は漏れを最小限に抑えるために、弁機構からの予期せぬ流体の漏れの予兆を検証することも要求されている。揮発性、及び可燃性を備える流体、又は人体及び環境に対する有害性を備えた流体を扱う場合においては、近年の動植物や環境に対する配慮の高まりから、この要求は、更に大きくなっている。しかし、従来の弁機構では、流路の閉鎖、及び解放をするまでで、弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができないという問題があった。この問題は、弁機構の一例として示した従来例にある揮発性の流体などを扱うブリザーバルブに用いられる弁機構においても何ら解決されておらず、弁機構の一般的な問題として存在している。

【0005】

本開示は、上記のような問題を解決するためになされたものであり、弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる情報処理装置、機械学習装置、推論装置、情報処理方法、機械学習方法、及び、推論方法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】

【0006】

本開示に係る情報処理装置は、弁機構の状態を予測する情報処理装置であって、弁体と弁座との間の所定の変量である入力情報に基づいて、弁機構の状態を示す弁機構状態を求める。

【発明の効果】

【0007】

本開示に係る情報処理装置、機械学習装置、推論装置、情報処理方法、機械学習方法、及び、推論方法は、弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【図面の簡単な説明】

【0008】

【図1】実施の形態１による弁システムを示す概略図である。

【図2】図１のブリザーバルブを示す概要図である。

【図3】図２の導入部を示す上面図である。

【図4】図２の検知装置の含む部分を示す拡大図である。

【図5】図２の弁接触部材を示す上面図である。

【図6】図１の機械学習装置を示す構成図である。

【図7】図６の機械学習装置が実施する機械学習の要素を示す概念図である。

【図8】図１の情報処理装置を示す概略図である。

【図9】コンピュータのハードウエア構成図である。

【図10】図１の機械学習装置による機械学習方法を示すフローチャートである。

【図11】図１の情報処理装置による学習用弁機構状態予測方法を示すフローチャートである。

【図12】実施の形態２による導入部を示す上面図である。

【発明を実施するための形態】

【0009】

以下、図面を参照して本開示を実施するための実施の形態について説明する。なお、以下では本開示の目的を達成するための説明に必要な範囲を模式的に示し、本開示の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。

【0010】

実施の形態１．
本開示の弁システムの説明として、実施の形態１では、ブリザーバルブに適用された弁システムを用いている。しかし、本開示の弁システムは、ブリザーバルブに適用されたものに限られたものではなく、一般的な弁機構に適宜用いることができる。なお、後に説明する実施の形態２、及び実施の形態３における弁システムにおいても同様である。

【0011】

図１は、実施の形態１による弁システム２００を示す概略図である。弁システム２００は、ブリザーバルブ５と、機械学習装置２４０と、情報処理装置２５０と、それぞれをつなぐネットワーク２７０と、を備えている。

【0012】

図２は、図１のブリザーバルブ５を示す概略図である。ブリザーバルブ５は、上流側フランジ４ｂを介してタンク４の開口部に接続されている。図２では、ブリザーバルブ５の一部が流路の軸線を含む面での断面で示されている。

【0013】

タンク４は、可燃性を備えた気体又は液体等の流体を貯留している。更に、タンク４には、当該貯留されている流体が揮発した流体も含まれている。可燃性を備えた気体又は液体としては、例えば、化石燃料及び揮発性ガス等の流体である。タンク４の形状は、球形、円筒形状、直方体形状、及び、立方体形状等の形状である。

【0014】

本実施の形態１において、タンク４の形状は、上端に向かうに従ってタンク４の水平断面積が小さくなっている形状である。タンク４の上端には、取付部４ａが設置されている。取付部４ａには、タンク４の内部に通ずる貫通孔が形成されている。これにより、タンク４の内部の流体は、取付部４ａを通して効率的に排出される。

【0015】

ブリザーバルブ５の基部は、上流側フランジ４ｂを介して取付部４ａに取り付けられている。本実施の形態１では、タンク４を上流側とし、タンク４に対してブリザーバルブ５が下流側に設置されているものとする。

【0016】

ブリザーバルブ５は、タンク４の内圧に応じてタンク４の内部の流体を大気に排出し、かつ吸入用流体である大気をタンク４の内部に流入させることができる。即ち、ブリザーバルブ５は、タンク４の内部の圧力を調節することができる。

【0017】

本実施の形態１では、タンク４、及びブリザーバルブ５は、屋外に設置され、大気に暴露されている。

【0018】

ブリザーバルブ５は、主部１０と、吸気部２０と、排出部４０と、を備えている。主部１０は、Ｔ字形状の配管部材である。主部１０のＴ字形状の配管部材の端部のそれぞれは、鉛直方向の下向きに開口した入側開口端部１０ａ、鉛直方向の上向きに開口した出側開口端部１０ｂ、及び水平方向に開口した吸気側開口端部１０ｃである。

【0019】

主部１０は、下側に入側開口端部１０ａがあり、上側に出側開口端部１０ｂがある姿勢で設置されている。入側開口端部１０ａから出側開口端部１０ｂへ通ずる流路を主流路１１０とする。主部１０は、主流路１１０の軸線が鉛直方向に沿うように設置されている。主流路１１０は、排出部４０に向かって延びている。排出部４０に延びる主流路１１０については、後に説明をする。

【0020】

主流路１１０から分岐して吸気側開口端部１０ｃに達する流路を分岐流路１１１とする。分岐流路１１１の軸線は、水平方向に沿っている。主部１０の吸気側開口端部１０ｃには、吸気部２０が接続されている。

【0021】

吸気部２０は、吸気部本体２１と、吸気部本体２１に設けられた吸気弁機構２２と、を有している。吸気部本体２１は、二つの開口端部を有した管状の部材である。

【0022】

吸気部本体２１の一方の端部は、水平方向に向かって開口している接続側開口端部２１ａである。吸気部本体２１の他方の端部には、鉛直方向下向きに開口した、吸気口２１ｂが形成されている。接続側開口端部２１ａと吸気口２１ｂとを結ぶ流路を吸気流路１２０とする。ここで、吸気口２１ｂの周囲を構成する吸気部本体２１の他方の端部を吸気弁座２１ｘとする。

【0023】

吸気弁機構２２は、開閉弁である吸気弁２３と、吸気弁２３に固定された吸気弁シャフト２４と、吸気部本体２１に設置された吸気弁ガイド２５と、を有している。吸気弁２３が吸気口２１ｂの周囲を構成する吸気弁座２１ｘに接することで、吸気口２１ｂは、閉鎖される。吸気弁２３と吸気弁座２１ｘとの間に隙間が生じることで、吸気口２１ｂは、開放される。即ち、吸気弁２３は、吸気流路１２０を開閉することができる。

【0024】

吸気弁ガイド２５は、吸気弁シャフト２４を鉛直方向に沿って移動可能に支持している。これによって、吸気弁２３は、吸気弁シャフト２４が鉛直方向に沿って移動することで、吸気閉鎖位置と吸気開放位置との間を移動可能である。吸気弁２３は、開放弁である。吸気弁２３は、吸気弁２３、及び、吸気弁シャフト２４の自重により、吸気弁ガイド２５に沿って落下することで、吸気閉鎖位置に向かって移動することができる。

【0025】

吸気弁２３が吸気閉鎖位置にあるとき、吸気弁２３は、吸気口２１ｂを閉鎖している。即ち、吸気弁２３の下面は、吸気弁座２１ｘに接しているため吸気流路１２０は閉鎖され、吸気流路１２０とブリザーバルブ５の外部との連通は遮断された状態となっている。

【0026】

吸気弁２３が吸気閉鎖位置から吸気開放位置に向かって自重に抗って上昇移動したとき、吸気弁２３と吸気弁座２１ｘｂとの間に隙間が生じる。即ち、吸気流路１２０は、開放され、吸気流路１２０は、ブリザーバルブ５の外部の大気と連通する状態となる。

【0027】

吸気側開口端部１０ｃと接続側開口端部２１ａとが接続され、主部１０の吸気側開口端部１０ｃに吸気部２０が接続されている。これにより、吸気部本体２１の内部の吸気流路１２０は、主部１０の内部の分岐流路１１１と通じている。即ち、吸気流路１２０は、分岐流路１１１から水平方向に沿って延びている。

【0028】

主部１０の出側開口端部１０ｂには、排出部４０が接続されている。排出部４０は、排出部本体４１と、ベントカバー４７と、ベントカバー４７に設置されている排出弁機構５０と、検知装置６０と、弁接触部材７０と、を有している。

【0029】

排出部本体４１は、管状である導入部４２と、導入部４２の一方の開口端部を囲うように設けられた大気排出部４３とから構成されている。排出部本体４１は、導入部４２の管路が鉛直方向に沿う姿勢で設置されている。

【0030】

図３は、図２の導入部４２を示す上面図である。図４は、図２の検知装置６０の含む部分を示す拡大図である。図３では、導入部４２の上面を示しているため弁接触部材７０は示されていない。図２－図４に基づいて説明を続ける。

【0031】

導入部４２の下向きの開口している端部を排出部入側開口端部４２ａとする。導入部４２の鉛直方向上向きの開口している端部を弁側端部４２ｂとする。弁側端部４２ｂの開口を弁側開口４２ｃとし、弁側端部４２ｂの端面を本体端面４２ｄとする。排出部入側開口端部４２ａと主部１０の出側開口端部１０ｂとが接続されている。

【0032】

導入部４２には、一つの検知器設置空間４２ｅが形成されている。検知器設置空間４２ｅは、本体端面４２ｄに開口しており、本体端面４２ｄに開口から、導入部４２の壁の中を通り、導入部４２の外周側に開口する空間である。検知器設置空間４２ｅには、検知装置６０の一部が設置されている。

【0033】

検知装置６０は、検知器６１と、検知器６１の信号を図示しない入出力装置に伝達する配線６２と、を有している。検知器６１は、検知対象の所定の変量を検知することができる。

【0034】

このとき、検知器６１は、検知器６１が向けられた方向において、検知対象の所定の変量を検知することができるが、その方向を検知器６１の検知方向とする。即ち、検知器６１の検知方向とは、検知器６１が検知対象の所定の変量を検知することができる方向である。

【0035】

検知器設置空間４２ｅには、一つの検知器６１と検知器６１から延びる配線６２の一部が設置されている。検知器６１は、検知器６１の検知方向が検知器設置空間４２ｅから本体端面４２ｄの外側に向かうように設置されている。即ち、検知器６１は、導入部４２の弁側端部４２ｂ側の端面越しにある検知対象の所定の変量を検知することができる。

【0036】

配線６２は、検知器設置空間４２ｅを通って、導入部４２の外周から外側に向かって延びて設置されている。配線６２は、図示しない入出力装置に接続されている。入出力装置は、検知器６１が検知した所定の変量をネットワーク２７０上に送信することができる。

【0037】

ネットワーク２７０は、有線、又は無線によって構築された情報伝達網である。ネットワーク２７０は、インターネットに接続されて、情報伝達可能となっていてもよい。ネットワーク２７０に接続された機器は、ネットワーク２７０上に送信された検知器６１の信号を取得することができる。ネットワーク２７０に接続されたその他の機器については、後に説明をする。

【0038】

弁側端部４２ｂには、弁接触部材７０が設置されている。図５は、図２の弁接触部材７０を示す上面図である。図２－図５に基づいて説明を続ける。

【0039】

弁接触部材７０は、環状の部材である。弁接触部材７０において、環状の半径方向に沿った線での断面は、Ｌ字状である。即ち、弁接触部材７０は、環状の平面板材がその内周側の全周で平面に垂直に曲がっている形状である。弁接触部材７０は、本体端面４２ｄの形状に対応する形状に形成されている。

【0040】

弁接触部材７０は、導入部４２の本体端面４２ｄと、当該本体端面４２ｄから連続する導入部４２内周面の一部を覆うように導入部４２に設置されている。ここで、弁接触部材７０の排出弁５３に対向する面を弁対向面７０ａとする。排出弁５３については、後に説明をする。

【0041】

本体端面４２ｄに形成された検知器設置空間４２ｅの開口は、弁接触部材７０が導入部４２に設置されることで、閉鎖されている。即ち、検知器６１は、弁接触部材７０で覆われた検知器設置空間４２ｅに設置されている。また、検知器６１の検知方向は、弁対向面７０ａ越しにある排出弁５３に向かっている。

【0042】

弁接触部材７０は、導入部４２にねじ止めされ、設置されている。弁接触部材７０の外周部分には、ねじ止め用の取り付け箇所が設けられている。しかし、弁接触部材７０の導入部４２への設置には、ねじ止めの他、周知な方法が用いられてもよい。弁接触部材７０は、検知器６１の検知能力を著しく低下させない材質で構成されることが好ましい。例えば、弁接触部材７０は、ステンレスで構成されている。

【0043】

弁接触部材７０の形状を工夫して、検知器６１の検知能力を著しく低下させないことが好ましい。例えば、弁接触部材７０を薄くすることで検知器６１の検知能力の著しい低下を防ぐことができる。なお、図２－５に示されているように、検知器設置空間４２ｅが形成された部分の導入部４２の内周面は、更に内側に向かって突出して形成されており、検知器設置空間４２ｅが形成された部分の導入部４２の肉厚は、その他の部分の肉厚より、厚くなっている。また、弁接触部材７０は、本体端面４２ｄの形状に対応する形状に形成されている。しかし、これに限られたものではない。例えば、導入部４２の肉厚は一様に等しく、即ち、導入部４２の内周面には、内側に向かって突出した部分が形成されておらず、軸方向から見た導入部４２の内周面は、円形であってもよい。この場合でも、弁接触部材７０は、本体端面４２ｄの形状に対応する形状に形成されている。

【0044】

ここで、導入部４２の弁側端部４２ｂを弁座本体３とする。なお、弁座本体３は、導入部４２の弁側端部４２ｂが排出流路１４０の一部を構成するように、弁体により閉鎖される流路の一部を構成する筒状のものでよい。また、導入部４２の本体端面４２ｄは、弁座本体３に形成されている流路の端部であって弁体に対向する弁座本体３の本体端面である。弁座本体３には、検知器設置空間４２ｅが形成されている。

【0045】

また、導入部４２の弁側端部４２ｂである弁座本体３と、弁接触部材７０と、を弁座２とする。従って、弁座２は、流路の一部を構成している。また、弁座２と、検知装置６０と、を弁座機構１とする。また、この場合、弁接触部材７０の弁対向面７０ａを弁座端面２ａとする。

【0046】

即ち、弁座端面２ａは、弁体である排出弁５３の下面と対向しており、排出弁５３が排出流路１４０を閉鎖している場合には、排出弁５３が直接接する箇所である。更に、排出弁５３と弁座端面２ａとの間の隙間が形成され、排出流路１４０が開放された場合には、タンク４内の流体は、排出弁５３と弁座端面２ａとの間の隙間を通って排出される。

【0047】

また、検知方向は、検知器６１が検知器設置空間４２ｅに設置された状態において、弁座端面２ａ越しにある弁体である排出弁５３に向かっている。

【0048】

図２に戻り説明を続ける。大気排出部４３は、導入部４２の弁側端部４２ｂを囲うように形成されている。大気排出部４３の上端側には、開口が形成されている。大気排出部４３の上端側を弁機構側開口端部４３ｂとする。大気排出部４３の弁機構側開口端部４３ｂより下側、即ち大気排出部４３の胴部分には、水平方向に開口した複数の放出口４３ａが形成されている。

【0049】

ベントカバー４７は、弁機構側開口端部４３ｂに接続されている。ベントカバー４７は、弁機構側開口端部４３ｂの開口を閉鎖している。ベントカバー４７の弁機構側開口端部４３ｂへの接続は、周知な構成を採用することができる。ベントカバー４７には、排出弁機構５０が設置されている。

【0050】

排出弁機構５０は、弁側開口４２ｃを閉鎖することができる弁体である排出弁５３と、排出弁５３に固定された排出弁シャフト５４と、ベントカバー４７に設置された排出弁ガイド５５と、を有している。

【0051】

ベントカバー４７が弁機構側開口端部４３ｂへ接続された状態では、排出弁ガイド５５は、ベントカバー４７から鉛直方向下向きに延びている。排出弁ガイド５５は、排出弁シャフト５４を鉛直方向に沿って移動可能に支持している。

【0052】

排出弁５３は、排出弁シャフト５４が鉛直方向に沿って移動することで、排出閉鎖位置と排出開放位置との間を移動可能である。排出弁５３は、開放弁である。

【0053】

排出弁５３は、排出弁５３、及び、排出弁シャフト５４の自重により、排出弁ガイド５５に沿って落下することで、排出閉鎖位置に向かって移動することができる。

【0054】

排出弁５３が排出閉鎖位置にあるとき、排出弁５３は、弁側開口４２ｃを閉鎖している。具体的には、排出弁５３が排出閉鎖位置にあるとき、排出弁５３の表面が弁接触部材７０の弁対向面７０ａに接触する。このとき、弁側開口４２ｃの周囲において、排出弁５３の表面と弁対向面７０ａとが連続して接触している。

【0055】

本実施の形態１では、弁対向面７０ａに接触する排出弁５３の表面は、排出弁５３の下面である。即ち、検知装置６０は、排出弁５３の下面に対向するように設置され、排出弁５３までの状態を検知することができる。

【0056】

排出弁５３が排出閉鎖位置から排出開放位置に向かって自重に抗って移動したとき、排出弁５３と弁側開口４２ｃとの間に隙間が生じる。

【0057】

排出部４０には、排出部入側開口端部４２ａから弁側開口４２ｃを通り、複数の放出口４３ａに通じる排出流路１４０が形成されている。排出弁５３が排出閉鎖位置にあるとき、主部１０の内部から延びた主流路１１０と、排出流路１４０とは、連通が遮断された状態となる。

【0058】

排出弁５３が排出閉鎖位置から排出開放位置に向かって移動し、排出弁５３と弁側開口４２ｃとの間に隙間が生じたとき、主部１０の内部から延びた主流路１１０と、排出流路１４０とは、連通する状態となる。

【0059】

次に、ブリザーバルブ５の動作について説明する。ブリザーバルブ５は、タンク４の内圧に基づいて動作する。

【0060】

まず、タンク４の内圧が正常圧力である場合では、吸気弁２３、及び、排出弁５３のそれぞれは、閉状態である。この状態では、吸気弁２３からの吸気、及び排出弁５３からの排気は、実施されず、タンク４内の内圧は保たれている。

【0061】

次に、タンク４の内圧が正常圧力よりも低い低圧となった場合について説明する。吸気部２０では、吸気部２０の内圧が低くなっていることから、大気により吸気弁２３が押されている。従って、吸気弁２３は、吸気閉鎖位置から吸気開放位置に向かって移動する。

【0062】

具体的には、吸気弁２３は、大気に押されて自重に抗って上昇する。なお、吸気弁２３、及び、吸気弁シャフト２４の合計の重量は、吸気部２０の内圧が正常圧力以下になると大気に押されて上昇する重量に設定されている。

【0063】

吸気弁２３が自重に抗って上昇することで、吸気流路１２０は、開放され、大気が吸気口２１ｂから吸気部２０内部に侵入する。

【0064】

一方、排出部４０の内圧が低くなっていることから、排出弁５３は、自重により下方に移動しており、排出弁５３は、排出閉鎖位置にとどまっている。即ち、弁側開口４２ｃは、排出弁５３によって閉鎖された状態を維持している。

【0065】

これにより、吸気口２１ｂから大気が流入し、やがてタンク４の内圧が増加し、吸気弁２３が自重により吸気閉鎖位置に移動し、吸気口２１ｂを閉鎖する。このように、タンク４の内圧は、吸気弁２３の自重によって設定された圧力となる。

【0066】

次に、タンク４の内圧が正常圧力よりも高い場合について説明する。このとき、吸気部２０では、吸気部２０の内圧が高くなっていることから、吸気部２０の内圧と自重とにより吸気弁２３は、吸気閉鎖位置にとどまっている。従って、吸気口２１ｂは閉鎖されている。

【0067】

排出部４０では、タンク４、主部１０、及び吸気部２０の内圧が高くなっていることから、排出弁５３が排出閉鎖位置から排出開放位置に向かって移動する。具体的には、排出弁５３は、タンク４の内部の流体に押されて自重に抗って上昇する。なお、排出弁５３、及び、排出弁シャフト５４の合計の重量は、主部１０の内圧が正常圧力以上となると自重に抗って上昇する重量に設定されている。

【0068】

従って、タンク４内の流体は、タンク４内から、主流路１１０、弁側開口４２ｃ、排出流路１４０を通って排出される。即ち、排出弁機構５０は、排出部４０の内圧が正常圧力よりも高くなった場合には、主流路１１０と排出流路１４０とを連通させる。これによりタンク４の内部から排出流路１４０を通って排出弁機構５０の下流側に流体を排出することができる。

【0069】

タンク４内の流体が排出部４０から排出されると、やがてタンク４の内圧に基づいて排出弁５３は、自重により排出閉鎖位置に移動し、弁側開口４２ｃを閉鎖する。

【0070】

これにより、タンク４の内圧が排出弁５３の自重に基づいた圧力となる。このように、ブリザーバルブ５は、タンク４内の圧力を一定の圧力に維持することができる。

【0071】

なお、タンク４の内部の流体は、前述した通り、タンク４の内部の流体と当該流体が揮発してガス化した流体とを含むものである。このため、排出される流体も、タンク４の内部の流体と当該流体が揮発してガス化した流体とを含むものである。

【0072】

次に、検知装置６０について説明をする。検知器６１によって排出弁５３と弁座２の状態を常時検知することができる。検知器６１によって検知される検知対象の所定の変量は、排出弁５３、又は排出弁５３と弁座２との間の状態である弁機構の状態として認識することができる。

【0073】

例えば、検知器６１として、排出弁５３の下面までの距離を計測することができる距離センサを用いることができる。この場合、検知器６１の検知結果より検知できる排出弁５３の状態は、排出弁５３までの現在の距離、即ち排出弁５３の現在位置である。

【0074】

なお、検知器６１は、距離センサでなくてもよい。例えば、検知器６１には、排出弁５３の下面に向けた振動センサを用いることもできる。当該振動センサで排出弁５３に対向している弁側端部４２ｂの振動を計測してもよい。検知器６１に振動センサを用いても、距離センサと同様に、弁機構の状態を検知することができる。

【0075】

また、例えば、排出弁５３の下面に向けた音響センサを検知器６１に用いてもよい。当該音響センサで排出弁５３との間の音を計測してもよい。音響センサでは、排出弁５３の動作音、及び弁座と排出弁５３との間にある流体の音を検知することができる。検知器６１に音響センサを用いても、距離センサと同様に、弁機構の状態を検知することができる。上記では、検知器６１に用いられるセンサとして三種類のセンサを例示したが、検知器６１に用いられるセンサの種類は、上記の三種類に限られたものではなく、検知器６１には、様々な種類のセンサを用いることができる。

【0076】

機械学習装置２４０は、機械学習の学習フェーズの主体として動作する装置である。図６は、図１の機械学習装置２４０を示す構成図である。図７は、図６の機械学習装置２４０が実施する機械学習の要素を示す概念図である。機械学習装置２４０は、機械学習制御部２４１と、機械学習通信部２４２と、学習用データ記憶部２４３と、機械学習モデル記憶部２４４と、を有している。

【0077】

機械学習制御部２４１は、入力される情報に対応した出力情報が得られる学習モデル２４５を生成する。機械学習制御部２４１は、学習モデル２４５の生成に一つ以上の学習用データ２４６を用いる。学習用データ２４６は、学習用入力情報２０１ａと学習用入力情報２０１ａに対応する学習用弁機構状態２０１ｂとで構成されている。

【0078】

ここで、入力情報とは、検知器６１によって検知される検知対象の所定の変量であって、弁座２から検知される弁体である排出弁５３と弁座２との間の所定の変量を示すものである。弁機構状態とは、弁機構の状態、即ち弁体である排出弁５３と弁座２との状態、及び排出弁５３と弁座２との間の状態を含んだものを示すものである。なお、弁機構とは、弁体である排出弁５３と弁座２、又は弁座機構１とからなるものである。

【0079】

学習用データ２４６は、教師あり学習における教師データであるトレーニングデータ、検証データ及びテストデータとして用いられるデータである。また、学習用弁機構状態２０１ｂは、教師あり学習における正解ラベルとして用いられるデータである。

【0080】

なお、学習用入力情報２０１ａと学習用入力情報２０１ａに対応する弁機構状態である学習用弁機構状態２０１ｂとは、入力情報２００ａと入力情報２００ａに対応する弁機構状態である弁機構状態２００ｂが学習用データ２４６として学習用データ記憶部２４３に記憶された状態のものである。

【0081】

入力情報２００ａと弁機構状態２００ｂとは、ブリザーバルブ５に対する様々な、試験、及びテストといった製品テストによって得られる。入力情報２００ａ、弁機構状態２００ｂ、学習用入力情報２０１ａ、学習用弁機構状態２０１ｂ、及び学習用データ２４６が記憶されている学習用データ記憶部２４３については、後に説明をする。

【0082】

機械学習制御部２４１は、一つ以上の学習用データ２４６における学習用入力情報２０１ａと学習用弁機構状態２０１ｂとの相関関係を学習モデル２４５に学習させることができる。これにより、機械学習制御部２４１は、学習済みの学習モデル２４５を生成することができる。

【0083】

学習モデル２４５には、ニューラルネットワークの構造が採用されている。学習モデル２４５は、入力層２４５ａ、中間層２４５ｂ、及び、出力層２４５ｃを有している。入力層２４５ａは、学習用入力情報２０１ａのパラメータ数に対応する数のニューロンを有している。出力層２４５ｃは、学習用弁機構状態２０１ｂの条件数に対応する数のニューロンを有している。

【0084】

各層の間には、各ニューロンをそれぞれ接続する図示しないシナプスが張られている。各シナプスには、重みを付すことができる。

【0085】

機械学習制御部２４１は、機械学習によって、各シナプスの重みからなる重みパラメータ群を調整する。重みパラメータ群は、学習モデル２４５に反映される。

【0086】

機械学習制御部２４１では、学習用入力情報２０１ａの各パラメータを入力層２４５ａの各ニューロンにそれぞれ入力し、学習モデル２４５を通して、学習用入力情報２０１ａに対応する弁機構の状態を示す学習結果弁機構状態２０１ｃが出力される。機械学習制御部２４１は、学習結果弁機構状態２０１ｃを検討し、当該検討結果に基づいて各シナプスの重みを調整する。

【0087】

学習モデル２４５が、回帰モデルで構成される場合には、学習用弁機構状態２０１ｂは、所定の範囲（例えば、０～１）に正規化された数値でそれぞれ出力される。また、学習モデル２４５が、分類モデルで構成される場合には、学習用弁機構状態２０１ｂは、各クラスに対するスコア（確度）として、所定の範囲（例えば、０～１）に正規化された数値でそれぞれ出力される。

【0088】

学習用データ記憶部２４３は、複数の学習用データ２４６をデータベースとして記憶することができる。なお、学習用データ記憶部２４３を構成するデータベースの具体的な構成は適宜設計することができる。

【0089】

学習用データ記憶部２４３には、製品テスト等によって事前に取得される入力情報２００ａと入力情報２００ａに対応している弁機構状態２００ｂとが入力される。学習用データ記憶部２４３に入力された入力情報２００ａと弁機構状態２００ｂとのそれぞれは、学習用入力情報２０１ａと学習用弁機構状態２０１ｂとして記憶される。従って、学習用弁機構状態２０１ｂは、学習用入力情報２０１ａに対応している。これにより、一つの学習用データ２４６が記憶される。

【0090】

学習用入力情報２０１ａと学習用弁機構状態２０１ｂとは、ブリザーバルブ５の製品テストなどで検知器６１により得られた入力情報２００ａと、製品テストなどで実際に観察、及び計測された弁機構状態２００ｂに基づいている。

【0091】

前述の製品テストとしては、ブリザーバルブ５の設計、試作、及び出荷前の製品検査などで実施されるものである。種々の製品テストによって検知器６１が検知した検知対象の所定の変量を入力情報２００ａとして取得する。

【0092】

また、製品テストによって当該変量の検知と同時に観測、又は計測された排出弁５３と弁座２との間を通過する流体の量、弁体と弁座との間からの予期せぬ流体の漏れの有無、その漏れ量、及び弁体と弁座との間からの予期せぬ流体の漏れの予兆などを弁機構状態２００ｂとして取得する。製品テストにおいては、ブリザーバルブ５と機械学習装置２４０とが情報交換可能に接続され、製品テスト中に検知器６１に検知される変量が逐次入力情報２００ａとして学習用データ記憶部２４３に入力される。そして作業者の判断などによって決定された入力情報２００ａに対応する弁機構状態２００ｂが、学習用データ記憶部２４３に入力される。なお、製品テストで検知された変量を図示しない記憶装置に記憶しておき、それに対応する弁状態を決定した後に、作業者がそれらの情報を入力情報２００ａと入力情報２００ａに対応する弁機構状態２００ｂとして学習用データ記憶部２４３に入力してもよい。この場合には、ブリザーバルブ５と機械学習装置２４０とが必ずしも情報交換可能に接続されていなくてもよい。

【0093】

製品テストでは、排出弁５３の開度がゼロのとき、即ち排出弁５３によって流路が閉鎖されている状態であっても、検知器６１により検知対象の所定の変量が検知されている。即ち、製品テストでは、検知器６１によって検知対象の変量が常時検知されているために、それらの変量の時系列データを取得することができる。

【0094】

製品テストにおいては、排出弁５３の開度、及び排出弁５３から排出される流体の流量が実際に計測器などを用いて計測され、その計測結果に基づいて得られる排出弁５３と弁座２との間を通過する流体の量を弁機構状態２００ｂとして取得することができる。

【0095】

また、弁座２と排出弁５３との状態を判定できる作業員によって、弁座２と排出弁５３との状態が正常状態であるか、異常状態であるか、及び異常状態である場合はどのような異常状態であるのかといった排出弁５３と弁座２との観察された結果を弁機構状態２００ｂとして取得することができる。

【0096】

更に、排出弁５３と弁座２との状態が異常状態であった場合に、排出弁５３と弁座２との間を通過する流体の有無を予期せぬ流体の漏れの有無とし、当該予期せぬ流体の漏れの有無を弁機構状態２００ｂとして取得することができる。

【0097】

更に、排出弁５３と弁座２との状態が異常状態であった場合に、排出弁５３と弁座２との間を通過する流体の量を予期せぬ流体の漏れ量とし、当該予期せぬ流体の漏れ量を弁機構状態２００ｂとして取得することができる。

【0098】

更に、排出弁５３と弁座２との状態が異常状態であり、かつ排出弁５３と弁座２との間を通過する流体の量がゼロでなかった場合には、予期せぬ流体の漏れ予兆を弁機構状態２００ｂとして取得することができる。即ち、排出弁５３と弁座２との状態が異常状態であり、かつ排出弁５３と弁座２との間を通過する流体の量がゼロでなかった場合に、それより以前の排出弁５３と弁座２との間を通過する流体の量がゼロであったときの一定期間に渡る時系列の入力情報に対して、予期せぬ流体の漏れ予兆として弁機構状態２００ｂを取得する。

【0099】

製品テストは、不具合の発生を再現したものも実施される。例えば、弁座２と排出弁５３との間に何らかの異物の?み込みがあった場合を想定した製品テスト、又は弁座２、及び排出弁５３の少なくともいずれか一方を腐食させた状態で実施される製品テストなどがある。更には、実際の稼働状況を模して弁機構を長期間稼働させ、経年劣化の状況、及び耐久性を確認する製品テストなども考えられる。

【0100】

このような製品テストでは、不具合や経年劣化によって排出弁５３と弁座２との状態が異常であると判断され、予期せぬ流体の漏れの有無、予期せぬ流体の漏れ量、及び予期せぬ流体の漏れ予兆といったものを弁機構状態２００ｂとして取得することができる。

【0101】

更に、製品テストのみならず、現在稼働しているブリザーバルブ５から取得される入力情報２００ａと、その際に保守点検などによって取得することができる情報を弁機構状態２００ｂとして取得することができる。あるいは、シミュレーションによって作成されたデータを用いてもよい。

【0102】

このように、製品テストなどで得られる入力情報２００ａと弁機構状態２００ｂとの相関関係は、実機を使用した結果として求められたものであるから妥当である。従って、このようなデータを学習用データ２４６として機械学習に用いることが望ましい。

【0103】

入力情報２００ａである変量は、具体的には検知器６１に用いられるセンサの種類によって決定される。検知器６１には、距離センサ、振動センサ、あるいは音響センサといったものを採用できるため、入力情報２００ａとしては、上記センサの種類に対応した所定の変量が得られる。

【0104】

弁機構状態２００ｂは、数値、及びエラーコードといったものを用いて示されてもよい。例えば、弁機構状態２００ｂが定量的に得られるもの、例えば流量、又は漏れ量であれば、その具体的な量によって弁機構状態２００ｂが示されてもよい。例えば、弁機構の状態が正常な場合には、１とし、異常な場合には０として弁機構状態２００ｂが示されてもよい。

【0105】

例えば、予期せぬ流体の漏れの予兆を示す場合には、当該漏れの予兆が全くない場合を０とし、当該漏れの予兆が把握できた場合に１として示してもよい。あるいは、予期せぬ流体の漏れの予兆が全くない場合を０とし、当該漏れの予兆が頻繁にみられ予期せぬ流体の漏れの予兆が高確率に把握できる場合を１００として、その間の数値を用いてもよい。

【0106】

機械学習制御部２４１は、学習用データ記憶部２４３に記憶された複数の学習用データ２４６の中から任意の一つ以上の学習用データ２４６を抽出し、機械学習に用いることができる。

【0107】

機械学習モデル記憶部２４４は、機械学習制御部２４１により生成された学習済みの学習モデル２４５、即ち、調整済みの重みパラメータ群を記憶するデータベースである。

【0108】

機械学習通信部２４２は、通信インターフェイス部である。機械学習通信部２４２は、ネットワーク２７０を介して外部装置と接続されることで、各種のデータを送受信することができる。機械学習モデル記憶部２４４に記憶された学習済みの学習モデル２４５は、ネットワーク２７０や記憶媒体等を介して情報処理装置２５０に提供される。

【0109】

なお、図６では、学習用データ記憶部２４３と、機械学習モデル記憶部２４４とが別々の記憶部として示されているが、これらは単一の記憶部で構成されてもよい。

【0110】

図８は、図１の情報処理装置２５０を示す概略図である。情報処理装置２５０は、機械学習の推論フェーズの主体として動作する装置である。情報処理装置２５０は、機械学習装置２４０により生成された学習モデル２４５を用いて、新たに入力される予測用入力情報２０２ａに対応する新規弁機構状態２０２ｂを予測する。予測用入力情報２０２ａは、現在稼働しているブリザーバルブ５において検知器６１が取得した変量である。即ち、情報処理装置２５０は、現在稼働しているブリザーバルブ５における予測用入力情報２０２ａに基づいた新規弁機構状態２０２ｂを求める。

【0111】

情報処理装置２５０は、情報処理制御部２５１と、情報処理記憶部２５５と、情報処理通信部２５６と、を有している。情報処理制御部２５１は、情報取得部２５２と、情報予測部２５３と、出力処理部２５４と、を有している。

【0112】

情報取得部２５２は、検知器６１にて取得され検知装置６０から出力されるデータを予測用入力情報２０２ａとして取得する。予測用入力情報２０２ａは、新たな弁機構状態を求めるための入力情報である。ここで、予測用入力情報２０２ａに対応する弁機構状態を新規弁機構状態２０２ｂとする。

【0113】

情報予測部２５３は、情報取得部２５２が取得した予測用入力情報２０２ａを学習モデル２４５に入力することで、新規弁機構状態２０２ｂを予測する。出力処理部２５４は、情報予測部２５３により予測された新規弁機構状態２０２ｂを情報処理通信部２５６に出力する。

【0114】

情報予測部２５３は、情報処理記憶部２５５に記憶されている複数の学習モデル２４５の中から一つの学習モデル２４５を選択して利用することができる。

【0115】

情報処理記憶部２５５は、情報予測部２５３で利用される学習済みの学習モデル２４５を記憶するデータベースである。情報処理記憶部２５５は、機械学習装置２４０から入力される学習済みの学習モデル２４５を複数記憶することができる。

【0116】

複数の学習モデル２４５のそれぞれは、例えば、機械学習の手法、学習用入力情報２０１ａに含まれるデータの種類、学習用弁機構状態２０１ｂに含まれるデータの種類等が異なる複数の学習済みモデルである。

【0117】

情報処理記憶部２５５は、サーバ型コンピュータやクラウド型コンピュータ等の外部コンピュータの記憶部で代用されてもよい。その場合には、情報予測部２５３は、当該外部コンピュータの記憶部にアクセスして学習モデル２４５を取得することができる。

【0118】

情報処理通信部２５６は、ネットワーク２７０を介して弁システム２００の外の装置と通信可能に接続されている。情報処理通信部２５６は、各種のデータを送受信する通信インターフェイス部である。情報処理通信部２５６は、出力処理部２５４が出力した新規弁機構状態２０２ｂを情報処理通信部２５６に出力することができる。

【0119】

図９は、コンピュータ９００のハードウエア構成図である。弁システム２００の機械学習装置２４０及び情報処理装置２５０は、汎用又は専用のコンピュータ９００により構成される。

【0120】

コンピュータ９００は、バス９１０、プロセッサ９１２、メモリ９１４、入力デバイス９１６、出力デバイス９１７、表示デバイス９１８、ストレージ装置９２０、通信インターフェイス部９２２、外部機器インターフェイス部９２４、入出力デバイスインターフェイス部９２６、及び、メディア入出力部９２８を備える。なお、上記の構成要素は、コンピュータ９００が使用される用途に応じて適宜省略されてもよい。

【0121】

プロセッサ９１２は、一つ又は複数の演算処理装置（ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ－ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、ＤＳＰ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等）で構成され、コンピュータ９００全体を統括する制御部として動作する。

【0122】

メモリ９１４は、各種のデータ及びプログラム９３０を記憶し、例えば、メインメモリとして機能する揮発性メモリ（ＤＲＡＭ、ＳＲＡＭ等）と、不揮発性メモリ（ＲＯＭ）、フラッシュメモリ等とで構成される。

【0123】

入力デバイス９１６は、例えば、キーボード、マウス、テンキー、電子ペン等で構成され、入力部として機能する。出力デバイス９１７は、例えば、音声を含む音出力装置、バイブレーション装置等で構成され、出力部として機能する。表示デバイス９１８は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ、電子ペーパー、プロジェクタ等で構成され、出力部として機能する。

【0124】

入力デバイス９１６及び表示デバイス９１８は、タッチパネルディスプレイのように、一体として構成されていてもよい。ストレージ装置９２０は、例えば、ＨＤＤ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等で構成され、記憶部として機能する。ストレージ装置９２０は、オペレーティングシステムやプログラム９３０の実行に必要な各種のデータを記憶する。

【0125】

通信インターフェイス部９２２は、インターネットやイントラネット等のネットワーク９４０に有線又は無線により接続され、所定の通信規格に従って他のコンピュータとの間でデータの送受信を行う通信部として機能する。ネットワーク９４０は、ネットワーク２７０と同一であってもよい。

【0126】

外部機器インターフェイス部９２４は、カメラ、プリンタ、スキャナ、リーダライタ等の外部機器９５０に有線又は無線により接続され、所定の通信規格に従って外部機器９５０との間でデータの送受信を行う通信部として機能する。

【0127】

入出力デバイスインターフェイス部９２６は、各種のセンサ、アクチュエータ等の入出力デバイス９６０に接続され、入出力デバイス９６０との間で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデータの送受信を行う通信部として機能する。

【0128】

メディア入出力部９２８は、例えば、ＤＶＤドライブ、ＣＤドライブ等のドライブ装置で構成され、ＤＶＤ、ＣＤ等の記憶媒体であるメディア９７０に対してデータの読み書きを行う。

【0129】

上記構成を有するコンピュータ９００において、プロセッサ９１２は、ストレージ装置９２０に記憶されたプログラム９３０をメモリ９１４に呼び出して実行し、バス９１０を介してコンピュータ９００の各部を制御する。なお、プログラム９３０は、ストレージ装置９２０に代えて、メモリ９１４に記憶されていてもよい。

【0130】

プログラム９３０は、インストール可能なファイル形式又は実行可能なファイル形式でメディア９７０に記録され、メディア入出力部９２８を介してコンピュータ９００に提供されてもよい。プログラム９３０は、通信インターフェイス部９２２を介してネットワーク９４０経由でダウンロードすることによりコンピュータ９００に提供されてもよい。

【0131】

また、コンピュータ９００は、プロセッサ９１２がプログラム９３０を実行することで実現する各種の機能を、例えば、ＦＰＧＡ、ＡＳＩＣ等のハードウエアで実現するものでもよい。

【0132】

コンピュータ９００は、例えば、据置型コンピュータや携帯型コンピュータで構成され、任意の形態の電子機器である。コンピュータ９００は、クライアント型コンピュータでもよいし、サーバ型コンピュータやクラウド型コンピュータでもよい。コンピュータ９００は、弁システム２００の機械学習装置２４０及び情報処理装置２５０以外の装置にも適用されてもよい。

【0133】

次に、機械学習方法について説明をする。図１０は、図１の機械学習装置２４０による機械学習方法を示すフローチャートである。

【0134】

まず、事前に作業者は、一つ以上の学習用データ２４６を入力し、学習用データ記憶部２４３に記憶させておく。記憶させる学習用データ２４６の数は、最終的に得られる学習モデル２４５に求められる推論精度を考慮して設定される。なお、好ましくは複数組の学習用データ２４６を記憶させておくことがよい。

【0135】

機械学習方法では、ステップＳ１００として学習モデル準備工程が実施される。機械学習制御部２４１は、学習前の学習モデル２４５を準備する。準備された学習モデル２４５では、各シナプスの重みが初期値に設定されている。

【0136】

次に、ステップＳ１１０として機械学習工程が実施される。機械学習工程において、まず、ステップＳ１１１として学習用データ取得工程が実施される。機械学習制御部２４１は、学習用データ記憶部２４３に記憶された複数の学習用データ２４６から、ランダムに一つの学習用データ２４６を取得する。

【0137】

次に、ステップＳ１１２としての推論結果出力工程が実施される。機械学習制御部２４１は、取得した一つの学習用データ２４６に含まれる学習用入力情報２０１ａを、準備された学習モデル２４５の入力層２４５ａに入力する。その結果、学習モデル２４５の出力層２４５ｃから推論結果として学習結果弁機構状態２０１ｃが出力される。

【0138】

推論結果として出力された学習結果弁機構状態２０１ｃは、学習前又は学習中の学習モデル２４５によって生成されたものである。そのため、学習結果弁機構状態２０１ｃは、学習用データ２４６に含まれる正解ラベルである学習用弁機構状態２０１ｂとは異なる。

【0139】

次に、ステップＳ１１３として重み調整工程が実施される。機械学習制御部２４１は、正解ラベルであるステップＳ１１１で取得した学習用データ２４６のうちの学習用弁機構状態２０１ｂと、ステップＳ１１２において推論結果として出力された学習結果弁機構状態２０１ｃとを比較する。当該比較に基づいて、機械学習制御部２４１は、各シナプスの重みを調整する処理であるバックプロバケーションを実施し、機械学習を実施する。

【0140】

これにより、機械学習制御部２４１は、学習用入力情報２０１ａと学習用弁機構状態２０１ｂとの相関関係を学習モデル２４５に学習させる。

【0141】

次に、ステップＳ１１４として機械学習終了判定工程が実施される。機械学習制御部２４１は、所定の学習終了条件が満たされたか否かを判定する。この判定は、例えば、正解ラベルである学習用弁機構状態２０１ｂと学習結果弁機構状態２０１ｃとに基づく誤差関数の評価値や、学習用データ記憶部２４３内に記憶された未学習の学習用データ２４６の残数等に基づいて実施される。

【0142】

ステップＳ１１４において、機械学習制御部２４１が、学習終了条件が満たされておらず、機械学習を継続すると判定した場合、即ちステップＳ１１４でＮｏとなった場合、処理は、ステップＳ１１１に戻る。このように、学習中の学習モデル２４５に対してステップＳ１１１～Ｓ１１４の工程が未学習の学習用データ２４６に対して複数回実施される。

【0143】

一方、ステップＳ１１４において、機械学習制御部２４１が、学習終了条件が満たされて、機械学習を終了すると判定した場合、即ち、ステップＳ１１４でＹｅｓとなった場合、処理は、ステップＳ１２０に進む。

【0144】

そして、ステップＳ１２０として、学習済みモデル記憶工程が実施される。機械学習制御部２４１は、各シナプスの重みが調整された学習済みの学習モデル２４５、即ち、調整済みの重みパラメータ群が反映された学習モデル２４５を機械学習モデル記憶部２４４に記憶する。これにより、機械学習方法は、終了する。

【0145】

次に、情報処理装置２５０による弁システム２００の新規弁機構状態２０２ｂの予測方法について説明をする。図１１は、図１の情報処理装置２５０による学習用弁機構状態予測方法を示すフローチャートである。

【0146】

情報処理方法である学習用弁機構状態予測方法は、弁機構の状態を示す弁機構状態を決定するための方法であって、弁体である排出弁５３と弁座２との間の所定の変量である入力情報に基づいた弁機構状態を求めることができる。

【0147】

まず、ステップＳ２００として予測用入力情報取得工程が実施される。検知装置６０で所得された変量のデータが予測用入力情報２０２ａとして情報処理装置２５０に入力されることで、情報取得部２５２は、予測用入力情報２０２ａを取得する。

【0148】

次に、ステップＳ２１０として予測工程が実施される。情報予測部２５３は、ステップＳ２００にて取得した予測用入力情報２０２ａを学習モデル２４５に入力する。これにより、情報予測部２５３は、予測用入力情報２０２ａに対応する新規弁機構状態２０２ｂを予測する。

【0149】

次に、ステップＳ２２０として出力処理工程が実施される。出力処理部２５４は、出力処理として、ステップＳ２１０にて生成された新規弁機構状態２０２ｂを図示しない表示画面などに表示する。これにより、新規弁機構状態２０２ｂの予測とその出力が完了する。なお、新規弁機構状態２０２ｂは、電子メールなどに記載されて指定された電子メールアドレス宛に送信されてもよい。

【0150】

また、検知装置６０からは、所定の変量が常時出力されているため、それに伴って予測用入力情報取得工程が実施される。

【0151】

本開示は、機械学習装置２４０が備える各部としてコンピュータ９００を機能させるプログラムである機械学習プログラムや、機械学習方法が備える各工程をコンピュータ９００に実行させるためのプログラムである機械学習プログラムの態様で提供することもできる。

【0152】

また、本開示は、情報処理装置２５０が備える各部としてコンピュータ９００を機能させるプログラムである弁機構状態出力プログラムや、実施の形態１に係る情報処理方法が備える各工程をコンピュータ９００に実行させるためのプログラムである弁機構状態出力プログラムの形態で提供することもできる。

【0153】

また、本開示は、実施の形態１に係る情報処理装置２５０、情報処理方法、又は情報処理プログラムの態様によるもののみならず、弁機構状態を推論するために用いられる推論装置、推論方法、又は推論プログラムの態様で提供することもできる。その場合、推論装置、推論方法、又は推論プログラムとしては、メモリ９１４と、プロセッサ９１２とを含み、このうちのプロセッサ９１２が、一連の処理を実行するものと することができる。

【0154】

当該一連の処理とは、入力情報を取得する情報取得処理（情報取得工程）と、メモリ９１４に格納されている学習モデル２４５を用いて、弁機構状態を推論する推論処理（推論工程）と、推論された弁機構状態を外部機器９５０に出力する出力処理（出力工程）と、を含んでいる。なお、出力処理では、通信インターフェイス部９２２を介してネットワーク９４０上に弁機構状態を出力してもよい。

【0155】

実施の形態１による情報処理装置２５０によれば、弁機構の状態を予測するものであって、弁体である排出弁５３と弁座２との間の所定の変量である入力情報に基づいて、弁機構の状態を示す弁機構状態を求めることができる。これにより、弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0156】

実施の形態１による情報処理装置２５０によれば、検知方向に向かって検知対象の所定の変量を検知することができる一つ以上の検知器６１を備えている。また、弁座２は、流路の一部を構成しており、弁座２には、弁体である排出弁５３が接することで流路が閉鎖される弁座端面２ａが形成されている。また、弁座２には、一つ以上の検知器設置空間４２ｅが形成されており、各検知器設置空間４２ｅには、検知器６１が設置されており、検知方向は、検知器６１が検知器設置空間４２ｅに設置された状態において、弁座端面２ａ越しにある弁体である排出弁５３に向かっている。これにより、弁座２と弁体である排出弁５３との間の所定の変量を検知器６１で検知することができる。従って、より正確に弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0157】

実施の形態１による情報処理装置２５０によれば、一つ以上の検知器６１のうち少なくとも一つの検知器６１は、距離センサ、振動センサ、及び音響センサのうちいずれか一つの種類のセンサを用いている。検知器６１には様々な種類のセンサを用いることができるが、距離センサ、振動センサ、及び音響センサのうちいずれか一つのセンサを用いることにより、一般に販売されており入手が容易なセンサを検知器６１として用いることができる。従って、弁座機構１の設計、製造、及び保守について容易に対応することができる。

【0158】

実施の形態１による情報処理装置２５０によれば、弁機構状態には、弁体である排出弁５３と弁座２との間を流れる流体の流量、弁体である排出弁５３と弁座２との間からの予期せぬ流体の漏れの有無、弁体である排出弁５３と弁座２との間からの予期せぬ流体の漏れ量、及び弁体である排出弁５３と弁座２との間からの予期せぬ流体の漏れの予兆のうちの少なくとも一つを含む。これにより、情報処理装置２５０の出力に基づいて、弁機構の状態を容易に、かつ迅速に検証することができる。

【0159】

実施の形態１による情報処理装置２５０によれば、入力情報が入力されると、入力情報と弁機構状態との相関関係が機械学習により学習された学習モデルを用いて、弁機構状態を決定し、決定された弁機構状態を出力する。これにより、蓄積された情報に基づいた機械学習方法を弁機構の状態の検証に用いることができる。従って、更に正確に弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0160】

実施の形態１による機械学習装置２４０によれば、弁機構の状態を示す弁機構状態を推論するための学習モデル２４５を生成する。また、弁体である排出弁５３と弁座２との間の所定の変量である入力情報と、入力情報に対応する弁機構状態と、により構成される学習用データ２４６を複数組記憶する学習用データ記憶部２４３を備えている。また、学習用データ２４６が複数組入力されることにより、入力情報と弁機構状態との相関関係を学習モデルに学習させ、学習された学習モデル２４５を記憶する機械学習モデル記憶部と、を備えている。これにより、入力情報と弁機構情報との相関関係が学習された学習モデル２４５を生成し、記憶しておくことができる。従って、学習された学習モデル２４５を用いて更に正確に弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0161】

実施の形態１による推論装置によれば、メモリ９１４と、少なくとも一つのプロセッサ９１２とを備え、弁機構の状態を示す弁機構状態を推論する。また、少なくとも一つのプロセッサ９１２は、弁体である排出弁５３と弁座２との間の所定の変量である入力情報を取得する情報取得処理と、入力情報を取得すると、メモリ９１４に格納されている機械学習による学習モデル２４５を用いて、弁機構状態を推論する推論処理と、推論された弁機構状態を出力する出力処理と、を実行する。これにより、弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0162】

実施の形態１による推論方法によれば、メモリ９１４と、少なくとも一つのプロセッサ９１２とを備える推論装置により実行されて、弁機構の状態を示す弁機構状態を推論する。また、少なくとも一つのプロセッサ９１２は、弁体である排出弁５３と弁座２との間の所定の変量である入力情報を取得する情報取得工程を実行する。また、入力情報を取得すると、メモリ９１４に格納されている機械学習による学習モデル２４５を用いて、弁機構状態を推論する推論工程を実行する。また、推論された弁機構状態を出力する出力工程を実行する。これにより、弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0163】

実施の形態１による情報処理方法によれば、弁機構の状態を示す弁機構状態を決定する。また、弁体である排出弁５３と弁座２との間の所定の変量である入力情報に基づいて、弁機構状態を求める。これにより、弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0164】

実施の形態１による機械学習方法によれば、弁機構の状態を示す弁機構状態を推論するための学習モデル２４５を生成する。また、弁体である排出弁５３と弁座２との間の所定の変量である入力情報と、入力情報に対応した弁機構状態とにより構成される学習用データ２４６を一つ以上記憶した状態において、学習用データ２４６が複数組入力されることにより、入力情報と弁機構状態との相関関係を学習モデルに学習させる機械学習工程を実行する。また、機械学習工程において学習された学習モデル２４５を機械学習モデル記憶部２４４に記憶させる学習済みモデル記憶工程を実行する。これにより、弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0165】

なお、実施の形態１では、学習モデル２４５としてニューラルネットワークによるものを採用している。しかし、これに限られたものではない。学習モデル２４５としては、他の機械学習のモデルが採用されてもよい。他の機械学習のモデルとしては、例えば、決定木、回帰木等のツリー型、バギング、ブースティング等のアンサンブル学習、再帰型ニューラルネットワーク、畳み込みニューラルネットワーク、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）等のニューラルネット型（ディープラーニングを含む）、階層型クラ スタリング、非階層型クラスタリング、ｋ近傍法、ｋ平均法等のクラスタリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等があげられる。
られる。

【0166】

実施の形態２．
本開示の弁システム２００の説明として、実施の形態２でもブリザーバルブ５に用いられる弁システム２００を用いている。しかし、本開示の弁システム２００は、ブリザーバルブ５に適用されたものに限られたものではなく、一般的な弁機構に適宜用いることができる。

【0167】

実施の形態２の情報処理装置２５０は、機械学習により得られた学習モデルを用いずに新規弁機構状態２０２ｂを出力する点で実施の形態１の弁システム２００とは相違する。

【0168】

情報処理装置２５０は、取得した予測用入力情報２０２ａに対応した新規弁機構状態２０２ｂを出力することができる。

【0169】

情報予測部２５３は、入力され情報取得部２５２が取得した予測用入力情報２０２ａを所定の決定方法によって、新規弁機構状態２０２ｂを決定する。これらの決定方法では、機械学習方法を用いないため、学習モデルも用いない。出力処理部２５４は、決定された新規弁機構状態２０２ｂを情報処理通信部２５６に出力することができる。

【0170】

情報処理装置２５０では、情報取得部２５２が取得した予測用入力情報２０２ａを情報処理記憶部２５５に順次記憶することもできる。これにより、記憶された予測用入力情報２０２ａを時系列のデータとして扱うことができる。実施の形態１の情報処理記憶部２５５は、学習モデル２４５のデータベースとして機能していたが、実施の形態２では、情報処理記憶部２５５は、情報を記憶できる記憶装置として機能する。

【0171】

情報予測部２５３が実施する所定の決定方法には、記憶された波形データとの比較によるもの、閾値による正常異常を判断するもの、係数を用いた演算によって物理量の算出するもの、及びその他周知な統計的解析計算などがある。

【0172】

情報処理記憶部２５５には、情報予測部２５３が実施する決定方法に必要な、波形データ、閾値、又は係数などの情報が予め記憶されている。記憶された波形データとしては、例えば、予期せぬ流体の漏れの予兆となり得る検知器６１で検知した所定の変量の時系列のデータがある。

【0173】

情報予測部２５３は、この波形データを利用して所定の決定方法を実施することができる。例えば、上記のような記憶された波形データ、又は波形データの特長が予測用入力情報２０２ａに基づいた波形データ、又は波形データの特長に一致するか否かによって、対応する弁機構状態を決定することができる。一致した場合には、予期せぬ流体の漏れの予兆があるといった新規弁機構状態２０２ｂを決定することができる。

【0174】

また、記憶された閾値としては、排出弁５３が流路を一定時間以上解放している状態を異常状態であるとして、当該時間を閾値として記憶するもの、又は、排出弁５３の微動作が一定時間以上継続して発生している状態を異常状態であるとして、当該時間を閾値として記憶したものがある。

【0175】

情報予測部２５３は、この閾値を利用して所定の決定方法を実施することができる。例えば、予測用入力情報２０２ａに基づいて排出弁５３による流路の解放、又は排出弁５３の微動作が当該閾値以上の時間継続しているか否かを判断するものである。当該閾値以上の時間が経過している場合には、弁機構が異常であるといった新規弁機構状態２０２ｂを決定することができる。

【0176】

また、記憶された係数としては、物理量の算出に必要なものがある。例えば、排出弁５３と弁座２との間から流出する流体の流量を計算するために必要な係数である。

【0177】

情報予測部２５３は、この係数を利用して所定の決定方法を実施することができる。例えば、記憶された当該係数を利用して流量を算出し決定するものである。算出された流量を弁機構から流出する流体の流量として新規弁機構状態２０２ｂを決定することができる。

【0178】

情報処理制御部２５１は、予め記憶された波形データ、閾値、及び係数を利用して、予測用入力情報２０２ａに基づいて新規弁機構状態２０２ｂを決定することができる。また、本実施の形態２によれば、予め記憶された波形データ、閾値、及び係数は上記に記載したものに限らず、適宜選択することができる。また、新規弁機構状態２０２ｂを決定するためには、上記に記載した決定方法に限らず、周知な算術的、及び統計学的を用いた方法を用いることができる。

【0179】

実施の形態２では、機械学習を用いていないため、実施の形態１における学習モデル２４５、機械学習装置２４０、及び推論装置に関する構成を用いていない。実施の形態２のその他の構成については、実施の形態１の構成と同様であるため、説明を省略する。

【0180】

実施の形態２による情報処理装置２５０によれば、入力情報が入力されると、機械学習方法を用いない所定の決定方法に基づいて入力情報から弁機構状態を決定し、決定された弁機構状態を出力する。これにより、過去の弁機構の知見に基づいて現在設置された弁機構の状態を検証することができる。従って、更に正確に弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる。

【0181】

実施の形態３．
本開示の弁システム２００の説明として、実施の形態３でもブリザーバルブ５に用いられる弁システム２００を用いている。しかし、本開示の弁システム２００は、ブリザーバルブ５に適用されたものに限られたものではなく、一般的な弁機構に適宜用いることができる。

【0182】

実施の形態３では、弁座２に三つの検知器６１が設置されている点で実施の形態１、又は実施の形態２とは異なる。図１２は、実施の形態３による導入部４２を示す上面図である。

【0183】

検知装置６０は、三つの検知器６１と、図示しない入出力装置と、当該入出力装置に各検知器６１の信号を伝達する配線６２と、を有している。導入部４２には、三つの検知器設置空間４２ｅが形成されている。一つの検知器設置空間４２ｅには、一つの検知器６１と検知器６１に接続された配線６２とが設置されている。

【0184】

弁接触部材７０は、本体端面４２ｄの形状に対応する形状に形成されている。本体端面４２ｄに形成された複数の検知器設置空間４２ｅの開口は、弁接触部材７０が導入部４２に設置されることで、閉鎖されている。即ち、複数の検知器６１は、弁接触部材７０で覆われた検知器設置空間４２ｅに設置されている。複数の検知器６１のそれぞれは、弁対向面７０ａに沿って設置される。なお、図１２に示されているように、各検知器設置空間４２ｅが形成された部分の導入部４２の内周面は、更に内側に向かって突出して形成されており、検知器設置空間４２ｅが形成された部分の導入部４２の肉厚は、その他の部分の肉厚より、厚くなっている。また、弁接触部材７０は、本体端面４２ｄの形状に対応する形状に形成されている。しかし、これに限られたものではない。例えば、導入部４２の肉厚は一様に等しく、即ち、導入部４２の内周面には、内側に向かって突出した部分が形成されておらず、軸方向から見た導入部４２の内周面は、円形であってもよい。この場合でも、弁接触部材７０は、本体端面４２ｄの形状に対応する形状に形成されている。

【0185】

複数の検知器６１のそれぞれは、同一の種類のセンサである、例えば、三つの検知器６１を全て距離センサとしてもよい。本実施の形態３のその他の構成は、実施の形態１に開示された構成と同様であるため、説明を省略する。

【0186】

なお、本実施の形態３では、三つの検知器６１を導入部４２に設置していた。しかし、これに限られたものではない。導入部４２に配置する検知器６１の数は、二つ以上、即ち複数としてもよい。また、一つの検知器設置空間４２ｅに一つ、又は複数の検知器６１が設置されてもよい。 本実施の形態３における弁座機構１の検知器６１は、弁座端面２ａに沿って複数設置されている。これにより、排出弁５３のわずかな傾きや、ぶれなどがより詳細に検討することができる。従って、より詳細に、弁体の挙動を観察することができる。

【0187】

実施の形態３における弁座機構１の複数の検知器６１は、単一の種類のセンサである。これにより、各検知器６１から得られた信号を容易に比較検討することができる。従って、容易に排出弁５３のわずかな傾きや、ぶれなどがより詳細に検知することができる。

【0188】

なお、実施の形態３における三つの検知器６１は、全て同一の種類のセンサである。しかし、これに限られたものではない。例えば三つの検知器６１のセンサの種類を、一つ以上の距離センサと、一つ以上の振動センサとしてもよい。即ち、複数の検知器６１について、複数種類のセンサを用いてもよい。

【0189】

実施の形態３における弁座機構１では、少なくとも二つの検知器６１は、互いに異なる種類のセンサである。これにより、排出弁５３の挙動が多角的に検討できる。

【0190】

また、実施の形態１から実施の形態３における弁システム２００、及び弁座機構１は、ブリザーバルブ５に設けられている。しかし、これに限られたものではない。弁座２の弁座端面２ａを弁部材で閉鎖することで流路を閉鎖し、弁部材と弁座２との間の隙間をあけることで流路を開放する弁機構であれば、本実施の形態１から実施の形態３における弁システム２００、及び弁座機構１を設けることができる。このような弁機構としては、例えば、ボールバルブのような回転式バルブ、ダイアフラムバルブなどがあげられる。

【0191】

また、実施の形態１から実施の形態３における弁システム２００では、弁座２に形成された検知器設置空間４２ｅに設置された検知器６１で検知した所定の変量を入力情報としている。しかし、これに限られたものではない。検知器６１の設置場所は、弁座２又は、弁機構のどこに設置してもよい。

【0192】

（他の実施の形態）
本開示は、上述した実施の形態に制約されるものではなく、本開示の主旨を逸脱しない範囲内において種々変更して実施することが可能である。そして、それらは全て、本開示の技術思想に含まれる。

【0193】

以下、本開示の諸態様を付記としてまとめて記載する。

【0194】

（付記１）
弁機構の状態を予測する情報処理装置であって、
弁体と弁座との間の所定の変量である入力情報に基づいて、前記弁機構の状態を示す弁機構状態を求める、
情報処理装置。
（付記２）
検知方向に向かって検知対象の前記所定の変量を検知することができる一つ以上の検知器を備え、
前記弁座は、流路の一部を構成しており、
前記弁座には、前記弁体が接することで前記流路が閉鎖される弁座端面が形成されており、
前記弁座には、一つ以上の検知器設置空間が形成されており、
各前記検知器設置空間には、前記検知器が設置されており、
前記検知方向は、前記検知器が前記検知器設置空間に設置された状態において、前記弁座端面越しにある前記弁体に向かっている、
付記１に記載の情報処理装置。
（付記３）
前記一つ以上の検知器のうち少なくとも一つの前記検知器は、距離センサ、振動センサ、及び音響センサのうちいずれか一つの種類のセンサを用いている、
付記２に記載の情報処理装置。
（付記４）
前記弁機構状態には、前記弁体と前記弁座との間を流れる流体の流量、前記弁体と前記弁座との間からの予期せぬ流体の漏れの有無、前記弁体と前記弁座との間からの予期せぬ流体の漏れ量、及び前記弁体と前記弁座との間からの予期せぬ流体の漏れの予兆のうちの少なくとも一つを含む、
付記１から付記３のいずれか一項に記載の情報処理装置。
（付記５）
前記入力情報が入力されると、前記入力情報と前記弁機構状態との相関関係が機械学習により学習された学習モデルを用いて、前記弁機構状態を決定し、決定された前記弁機構状態を出力する、
付記１から付記４のいずれか一項に記載の情報処理装置。
（付記６）
弁機構の状態を示す弁機構状態を推論するための学習モデルを生成する機械学習装置であって、
弁体と弁座との間の所定の変量である入力情報と、前記入力情報に対応する前記弁機構状態と、により構成される学習用データを複数組記憶する学習用データ記憶部と、
前記学習用データが複数組入力されることにより、前記入力情報と前記弁機構状態との相関関係を学習モデルに学習させ、学習された前記学習モデルを記憶する機械学習モデル記憶部と、
を備えている、
機械学習装置。
（付記７）
メモリと、少なくとも一つのプロセッサとを備え、弁機構の状態を示す弁機構状態を推論する推論装置であって、
前記少なくとも一つのプロセッサは、弁体と弁座との間の所定の変量である入力情報を取得する情報取得処理と、
前記入力情報を取得すると、前記メモリに格納されている機械学習による学習モデル を用いて、前記弁機構状態を推論する推論処理と、
推論された前記弁機構状態を出力する出力処理と、
を実行する、
推論装置。
（付記８）
弁機構の状態を示す弁機構状態を決定するための情報処理方法であって、
弁体と弁座との間の所定の変量である入力情報に対応する前記弁機構状態を求める、
情報処理方法。
（付記９）
弁機構の状態を示す弁機構状態を推論するための学習モデルを生成する機械学習方法であって、
弁体と弁座との間の所定の変量である入力情報と、前記入力情報に対応した前記弁機構状態とにより構成される学習用データを一つ以上の記憶した状態において、
前記学習用データが入力されることにより、前記入力情報と前記弁機構状態との相関関係を学習モデルに学習させる機械学習工程と、
前記機械学習工程において学習された前記学習モデルを機械学習モデル記憶部に記憶させる学習済みモデル記憶工程と、
を実行する、
機械学習方法。
（付記１０）
メモリと、少なくとも一つのプロセッサとを備える推論装置により実行されて、弁機構の状態を示す弁機構状態を推論する推論方法であって、
前記少なくとも一つのプロセッサは、弁体と弁座との間の所定の変量である入力情報を取得する情報取得工程と、
前記入力情報を取得すると、前記メモリに格納されている機械学習による学習モデルを用いて、前記弁機構状態を推論する推論工程と、
推論された前記弁機構状態を出力する出力工程と、
を実行する、
推論方法

【符号の説明】

【0195】

１ 弁座機構、２ 弁座、２ａ 弁座端面、３ 弁座本体、４ タンク、４ａ 取付部、４ｂ 上流側フランジ、５ ブリザーバルブ、１０ 主部、１０ａ 入側開口端部、１０ｂ 出側開口端部、１０ｃ 吸気側開口端部、２０ 吸気部、２１ 吸気部本体、２１ａ 接続側開口端部、２１ｂ 吸気口、２１ｘ 吸気弁座、２２ 吸気弁機構、２３ 吸気弁（弁体）、２４ 吸気弁シャフト、２５ 吸気弁ガイド、４０ 排出部、４１ 排出部本体、４２ 導入部、４２ａ 排出部入側開口端部、４２ｂ 弁側端部、４２ｃ 弁側開口、４２ｄ 本体端面、４２ｅ 検知器設置空間、４３ 大気排出部、４３ａ 放出口、４３ｂ 弁機構側開口端部、４７ ベントカバー、５０ 排出弁機構、５３ 排出弁（弁体）、５４ 排出弁シャフト、５５ 排出弁ガイド、６０ 検知装置、６１ 検知器、６２ 配線、７０ 弁接触部材、１１０ 主流路、１１１ 分岐流路、１２０ 吸気流路、１４０ 排出流路、２００ 弁システム、２００ａ 入力情報、２００ｂ 弁機構状態、２０１ａ 学習用入力情報、２０１ｂ 学習用弁機構状態、２０１ｃ 学習結果弁機構状態、２０２ａ 予測用入力情報、２０２ｂ 新規弁機構状態、２４０ 機械学習装置、２４１ 機械学習制御部、２４２ 機械学習通信部、２４３ 学習用データ記憶部、２４４ 機械学習モデル記憶部、２４５ 学習モデル、２４５ａ 入力層、２４５ｂ 中間層、２４５ｃ 出力層、２４６ 学習用データ、２５０ 情報処理装置、２５１ 情報処理制御部、２５２ 情報取得部、２５３ 情報予測部、２５４ 出力処理部、２５５ 情報処理記憶部、２５６ 情報処理通信部、２７０ ネットワーク、９００ コンピュータ、９１０ バス、９１２ プロセッサ、９１４ メモリ、９１６ 入力デバイス、９１７ 出力デバイス、９１８ 表示デバイス、９２０ ストレージ装置、９２２ 通信インターフェイス部、９２４ 外部機器インターフェイス部、９２６ 入出力デバイスインターフェイス部、９２８ メディア入出力部、９３０ プログラム、９４０ ネットワーク、９５０ 外部機器、９６０ 入出力デバイス、９７０ メディア（非一時的な記憶媒体）。

【要約】

【課題】弁機構を通過する流体の量の検証、弁体と弁座との間からの予期せぬ流体の漏れの有無の検証、その漏れ量の検証、及び弁機構からの予期せぬ流体の漏れの予兆の検証をすることができる情報処理装置、機械学習装置、推論装置、情報処理方法、機械学習方法、及び、推論方法を提供することを目的とする。
【解決手段】本開示の情報処理装置２５０は、弁機構の状態を予測し、弁体と弁座との間の所定の変量である入力情報に基づいて、弁機構の状態を示す弁機構状態を求める。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】