特許ウォッチ

公開番号2025071894
公報種別公開特許公報(A)
公開日2025-05-09
出願番号2023182313
出願日2023-10-24
発明の名称空気調和機
出願人株式会社富士通ゼネラル
代理人弁理士法人南青山国際特許事務所
主分類F24F 11/64 20180101AFI20250430BHJP(加熱;レンジ;換気)
要約【課題】空気調和機の使用者が学習モデルによる恩恵を早期に受けることが可能な空気調和機を提供すること。
【解決手段】空気調和機は、サーバ装置と通信するアダプタを備えた空気調和機である。前記アダプタは、記憶部と、通信部と、制御部とを有する。前記記憶部は、前記空気調和機が実行する所定の予測処理に関する学習済みパラメータを有する初期学習モデルを記憶する。前記通信部は、前記空気調和機が有するセンサが検出したセンサデータを収集して前記サーバ装置に送信し、前記センサデータに基づき前記サーバ装置によって生成される第1学習モデルを受信する。前記制御部は、前記第1学習モデルを受信するまでの間は、前記初期学習モデルを用いて前記所定の予測処理を実行し、前記第1学習モデルの受信後は、当該第1学習モデルを用いて前記所定の予測処理を実行する。
【選択図】図5
特許請求の範囲【請求項１】
サーバ装置と通信するアダプタを備えた空気調和機であって、
前記アダプタは、
前記空気調和機が実行する所定の予測処理に関する学習済みパラメータを有する初期学習モデルを記憶する記憶部と、
前記空気調和機が有するセンサが検出したセンサデータを収集して前記サーバ装置に送信し、前記センサデータに基づき前記サーバ装置によって生成される第１学習モデルを受信する通信部と、
前記第１学習モデルを受信するまでの間は、前記初期学習モデルを用いて前記所定の予測処理を実行し、前記第１学習モデルの受信後は、当該第１学習モデルを用いて前記所定の予測処理を実行する制御部と、を有する、
空気調和機。
続きを表示（約 1,200 文字）【請求項２】
請求項１に記載の空気調和機であって、
前記制御部は、前記第１学習モデルを受信するまでの間は、前記センサデータに基づいて前記初期学習モデルの前記学習済みパラメータを更新し、前記第１学習モデルの受信後は、前記センサデータに基づいて前記第１学習モデルの学習済みパラメータを更新する
空気調和機。
【請求項３】
請求項１または２に記載の空気調和機であって、
前記制御部は、前記初期学習モデル及び前記第１学習モデルを用いて前記空気調和機の使用者の空調空間における在不在を予測する
空気調和機。
【請求項４】
請求項３に記載の空気調和機であって、
前記初期学習モデルは、前記使用者の空調空間における複数の在不在の傾向に対応するために複数の前記学習済みパラメータを有する
空気調和機。
【請求項５】
請求項４に記載の空気調和機であって、
前記複数の学習済みパラメータは、前記空調空間における不在時間として第１不在時間を有する在不在パターンに対応する第１学習済みパラメータと、前記空調空間における不在時間として前記第１不在時間よりも短い第２不在時間を有する在不在パターンに対応する第２学習済みパラメータとを有する
空気調和機。
【請求項６】
請求項１または２に記載の空気調和機であって、
前記制御部は、当該空気調和機に外部電力が供給されると前記センサデータの収集を開始し、当該空気調和機の空調運転の開始または停止にかかわらず、前記センサデータの収集を継続する
空気調和機。
【請求項７】
請求項１または２に記載の空気調和機であって、
前記制御部は、前記サーバ装置から最新の前記第１学習モデルを受信するたびに、当該受信した第１学習モデルと前回受信した第１学習モデルとを比較して、両モデルが一致しない場合に、前記最新の第１学習モデルにより、前回受信した第１学習モデルと、前回受信した第１学習モデルを前記センサデータに基づいて追加学習させた第２学習モデルとを更新して前記記憶部に記憶し、当該更新した第２学習モデルにより前記所定の予測処理を実行する
空気調和機。
【請求項８】
請求項２に記載の空気調和機であって、
前記センサデータは、所定の時間間隔で収集されるように設定され、その収集時刻を示すタイムスタンプを有し、当該タイプスタンプ順に蓄積され、
前記制御部は、所定のタイムスタンプを有するセンサデータから所定番目のセンサデータのタイムスタンプが、前記設定にしたがった場合に前記所定番目に取得されるセンサデータが有するはずのタイムスタンプの前後所定時間範囲内であるか否かを判断し、当該タイムスタンプが前記前後所定時間範囲外であると判断した場合にセンサデータが欠損していると判定する
空気調和機。

発明の詳細な説明【技術分野】
【０００１】
本発明は、学習処理により種々の予測機能を実行可能な空気調和機に関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
従来から、例えば設定温度等の運転履歴データをＡＩ(Artificial Intelligence)等の学習部に学習させて学習モデルを生成し、生成した学習モデルを使用して空調運転を制御（以下、ＡＩ制御ともいう）する空気調和システムが知られている。学習部で生成された学習モデルは、学習により得られたパラメータ（学習済みパラメータともいう）を有する。
【０００３】
例えば下記特許文献１には、クラウド側学習部とアダプタ側学習部を備えた空気調和システムが記載されている。具体的には、クラウド側学習部で生成された第一の学習モデルをアダプタがダウンロードして第二の学習モデルとし、第二の学習モデルに対して、アダプタ側学習部が直近の運転履歴データ（空調空間内の使用者の操作嗜好や実環境の変化）に基づく学習を行い、新たな第二の学習モデルを生成する。
【先行技術文献】
【特許文献】
【０００４】
特開２０２１－６３６１１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記特許文献１に記載のような、空気調和機側でのすばやい学習とクラウド側での高精度な学習を組み合わせた空気調和機の場合でも、高精度な学習を行うには空気調和機の設置後に使用者の好みや、空調空間における使用者の在不在傾向を示すデータを所定期間に亘り収集する必要がある。このため、空気調和機の使用者は、当該データが収集されるまでは学習モデルによる恩恵を早期に受けることができない。
【０００６】
以上のような事情に鑑み、本発明の目的は、空気調和機の使用者が学習モデルによる恩恵を早期に受けることが可能な空気調和機を提供することにある。
【課題を解決するための手段】
【０００７】
本発明の一実施形態に係る空気調和機は、サーバ装置と通信するアダプタを備えた空気調和機である。前記アダプタは、記憶部と、通信部と、制御部とを有する。前記記憶部は、前記空気調和機が実行する所定の予測処理に関する学習済みパラメータを有する初期学習モデルを記憶する。前記通信部は、前記空気調和機が有するセンサが検出したセンサデータを収集して前記サーバ装置に送信し、前記センサデータに基づき前記サーバ装置によって生成される第１学習モデルを受信する。前記制御部は、前記第１学習モデルを受信するまでの間は、前記初期学習モデルを用いて前記所定の予測処理を実行し、前記第１学習モデルの受信後は、当該第１学習モデルを用いて前記所定の予測処理を実行する。
【０００８】
この構成により、第１学習モデルを受信するまでの間は初期学習モデルを用いて予測処理を実行することで、空気調和機の使用者が学習モデルによる恩恵を早期に受けることが可能となる。
【０００９】
前記制御部は、前記第１学習モデルを受信するまでの間は、前記センサデータに基づいて前記初期学習モデルの前記学習済みパラメータを更新し、前記第１学習モデルの受信後は、前記センサデータに基づいて前記第１学習モデルの学習済みパラメータを更新してもよい。
【００１０】
この構成により、第１学習モデルの受信前後にかかわらず空気調和機側のセンサデータにより学習モデルを追加学習させることができる。
（【００１１】以降は省略されています）

関連特許