信息处理系统的制作方法

1.本发明的实施方式涉及信息处理系统。


背景技术：

2.提出有利用包含动作履历的近来数据来诊断设备的服务器。然而，作为与故障诊断相关的信息处理系统，期待能够进行更恰当的故障诊断的信息处理系统。
3.现有技术文献：
4.专利文献：
5.专利文献1：日本特开2019
‑
179300号公报


技术实现要素：

6.本发明要解决的课题在于，提供一种能够进行更恰当的故障诊断的信息处理系统。
7.实施方式的信息处理系统具有诊断部和通知部。所述诊断部使用学习成为在输入表示冰箱的运转状态的信息时输出故障诊断的结果的学习模型，进行所述冰箱的故障诊断。所述通知部使基于所述诊断部的所述故障诊断的结果的信息从所述冰箱或者终端装置输出。
8.发明效果：
9.本发明能够进行更恰当的故障诊断。
附图说明
10.图1是表示实施方式的故障诊断系统的图。
11.图2是表示实施方式的冰箱的结构的框图。
12.图3是表示实施方式的服务器的结构的框图。
13.图4是示意性地表示实施方式的第一学习模型的图。
14.图5是示意性地表示实施方式的第二学习模型的图。
15.图6是以别的观点示意性地表示实施方式的第二学习模型的图。
16.图7是表示实施方式的服务器的处理的流程的流程图。
17.标号说明
[0018]1……
故障诊断系统，100
……
冰箱，200
……
服务器，210
……
信息取得部，220
……
信息积蓄部，230
……
学习部(更新部)，240
……
诊断部，250
……
通知部，260
……
受理部，270
……
控制变更部，300
……
终端装置。
具体实施方式
[0019]
以下，参考附图，说明实施方式的信息处理系统。在以下的说明中，对具有同一或者类似的功能的结构赋予同一标号。并且，有时省略这些结构的重复的说明。“基于xx”意味
着“至少基于xx”，还能包含除了xx外还基于别的元素的情况。“基于xx”不限于直接使用xx的情况，还能包含基于对xx进行了运算或加工后的结果的情况。“xx或者yy”不限于xx和yy之中的某一方的情况，还能包含xx和yy这双方的情况。这在选择的元素为三个以上的情况下也同样。“xx”以及“yy”是任意的元素(例如任意的信息)。
[0020]
＜1.故障诊断系统的整体结构＞
[0021]
图1是表示实施方式的故障诊断系统1的整体结构的图。故障诊断系统1例如包含冰箱100、服务器200、以及终端装置300。后述的网络nw例如根据状况而利用互联网、蜂窝网、wi
‑
fi网、lpwa(低功耗广域(low power wide area))、wan(广域网(wide area network))、lan(局域网(local area network))、或者其他公众线路或专用线路等即可。
[0022]
冰箱100被配置于用户u的居所。冰箱100具有后述的无线模块140(参考图2)，例如能够经由在相同的居所内配置的无线路由器r以及网络nw，与服务器200进行通信。针对冰箱100，详细地在后面叙述。
[0023]
服务器200包括1台以上的服务器装置sd(例如云服务器)而构成。服务器200也可以被称为“服务器系统”。服务器200也可以包含网络nw中的路由器中包含的信息处理部等、进行缘计算或雾计算的信息处理部。针对服务器200，详细地在后面叙述。
[0024]
终端装置300是冰箱100的用户u所使用的终端装置。终端装置300例如是智能手机或者平板终端那样的便携型终端装置，包含能够显示从服务器200接收的故障诊断的结果的显示画面。其中，终端装置300不限于上述例，也可以是能够以声音输出从服务器200接收的故障诊断的结果的声音对话装置(例如智能扬声器)等。
[0025]
＜2.冰箱＞
[0026]
图2是表示冰箱100的结构的框图。冰箱100例如具有冷藏室温度传感器101、蔬菜室温度传感器102、冷冻室温度传感器103、冷藏冷却器温度传感器104、冷冻冷却器温度传感器105、周围温度传感器106、箱内相机107、冷藏室门开关108、蔬菜室门开关109、冷冻室门开关110、电流检测部111、压缩机121、制冷剂切换阀122、冷藏冷却风扇123、冷冻冷却风扇124、风挡125、加热器126、显示装置130、无线模块(通信模块)140、存储部150、以及控制部160。另外，冰箱100除了上述的结构外，具有冰箱的一般的结构(壳体或门、冷却器等)。
[0027]
冷藏室温度传感器101被设置于冰箱100的冷藏室，对冷藏室的温度进行检测。蔬菜室温度传感器102被设置于冰箱100的蔬菜室，对蔬菜室的温度进行检测。冷冻室温度传感器103被设置于冰箱100的冷冻室，对冷冻室的温度进行检测。冷藏室温度传感器101、蔬菜室温度传感器102、以及冷冻室温度传感器103分别是对冰箱100的箱内温度进行检测的“箱内温度传感器”的一例。在以下，将冷藏室温度传感器101、蔬菜室温度传感器102、以及冷冻室温度传感器103统称为“箱内温度传感器rs”。
[0028]
冷藏冷却器温度传感器104被安装于冷藏冷却器，对冷藏冷却器的温度进行检测。冷藏冷却器从压缩机121被供应制冷剂，是冷却对冷藏室以及蔬菜室进行冷却的空气的蒸发器。冷冻冷却器温度传感器105被安装于冷冻冷却器，对冷冻冷却器的温度进行检测。冷冻冷却器从压缩机121被供应制冷剂，是冷却对冷冻室进行冷却的空气的蒸发器。在以下，将冷藏冷却器温度传感器104和冷冻冷却器温度传感器105统称为“冷却器温度传感器es”。此外，将冷藏冷却器和冷冻冷却器统称为“冷却器”。
[0029]
周围温度传感器106对冰箱100的周围的温度(即，设置有冰箱100的房间的室温)
进行检测。箱内相机107例如被设置于冷藏室、蔬菜室、或者冷冻室，是对冰箱100的箱内的情形进行摄影的相机。箱内相机107是用于检测食品相对于冷藏室、蔬菜室、或者冷冻室的存取以及/或者箱内的储藏量(冷却负荷)的检测部。
[0030]
冷藏室门开关108对冰箱100的冷藏室门的开闭进行检测。蔬菜室门开关109对冰箱100的蔬菜室门的开闭进行检测。冷冻室门开关110对冰箱100的冷冻室门的开闭进行检测。在以下，将冷藏室门开关108、蔬菜室门开关109、以及冷冻室门开关110统称为“门开关ds”。
[0031]
电流检测部111检测在冰箱100所具有的电气部件中流过的电流的电流值。电气部件例如是压缩机121、冷藏冷却风扇123、冷冻冷却风扇124、制冰盘电机、供水电机、或者加热器126等。
[0032]
压缩机121对供应至冷藏冷却器以及冷冻冷却器的制冷剂进行压缩。制冷剂切换阀122将由压缩机121压缩后的制冷剂流过的流路与向冷藏冷却器供应的流路和向冷冻冷却器供应的流路选择性地连接。冷藏冷却风扇123使通过冷藏冷却器冷却后的冷气在冷藏室以及蔬菜室中循环。冷冻冷却风扇124使通过冷冻冷却器冷却后的冷气在冷冻室中循环。在以下，将冷藏冷却风扇123和冷冻冷却风扇124统称为“冷却风扇f”。风挡125被设置于冰箱100内的空气流路的中途，对该空气流路进行开闭。加热器126例如是除霜用的加热器。加热器126被设置于冷却器，在附着于冷却器的霜变多的情况下被加热，将附着于冷却器的霜融化。
[0033]
显示装置130例如是液晶显示器或者有机el显示器(电致发光(electro luminescence))，包含能够显示故障探测的结果的显示画面。显示装置130是“通知器”的一例。无线模块140包含高频电路以及天线，能够与无线路由器r进行无线通信。
[0034]
存储部150例如通过ram(随机存取存储器(random access memory))、rom(只读存储器(read only memory))、hdd(硬盘驱动器(hard disk drive))、闪速存储器、或者它们之中的多个组合来实现。在存储部150中，存储有控制量信息ci。
[0035]
控制量信息ci例如是登记了各运转模式中的压缩机121、冷却风扇f、以及加热器126等的基本控制量的信息。基本控制量是指对冰箱100初始设定的控制量，是冰箱100为正常的情况下的控制量。例如，在控制量信息ci中，登记有在冷藏运转的强度为“弱”“中”“强”各自的情况下的压缩机121的运转频率或冷却风扇f的转速(或者，与冷却目标温度和箱内温度之差相应的压缩机121的运转频率或冷却风扇f的转速)、开始冷却器的除霜的冷却器的阈值温度、以及加热器126的通电量等基本控制量。控制部160基于登记于控制量信息ci的各构成部件的控制量而使冰箱100的各构成部件动作。
[0036]
例如通过在冰箱100中搭载的cpu(中央处理单元(central processing unit))那样的硬件处理器执行程序(软件)，来实现控制部160。其中，控制部160的全部或者一部分也可以通过asic(专用集成电路(application specific integrated circuit))、pld(可编程逻辑器件(programmable logic device))、或者fpga(现场可编程门阵列(field programmable gate array))等硬件(包含电路部；circuitry)来实现，也可以通过软件和硬件的协作来实现。控制部160基于箱内温度传感器rs、冷却器温度传感器es、周围温度传感器106、箱内相机107、门开关ds、以及电流检测部111的检测结果，进行冰箱100的控制或食材的库存管理。
[0037]
在本实施方式中，控制部160将箱内温度传感器rs、冷却器温度传感器es、周围温度传感器106、箱内相机107、门开关ds、以及电流检测部111的检测结果作为表示冰箱100的运转状态的信息(以下，称为“运转状态信息”)发送至服务器200。此外，控制部160将表示此时的冰箱100的运转模式的信息作为运转状态信息的一部分而发送至服务器200。控制部160经由无线模块140，将运转状态信息以规定的周期(例如每10分钟)发送至服务器200。此外，控制部160对显示装置130进行控制而使显示装置130显示从后述的服务器200的通知部250接收的故障诊断的结果。
[0038]
＜3.服务器＞
[0039]
图3是表示服务器200的结构的框图。服务器200例如具有信息取得部210、信息积蓄部220、学习部(更新部)230、诊断部240、通知部250、受理部260、以及控制变更部270。例如通过在服务器200中搭载的cpu那样的硬件处理器执行程序(软件)来实现这些功能部。其中，这些功能部的全部或者一部分也可以通过asic、pld、或者fpga等硬件(包含电路部；circuitry)来实现，也可以通过软件和硬件的协作来实现。
[0040]
进而，服务器200具有存储部280。存储部280例如通过ram、rom、hdd、闪速存储器、或者它们之中的多个组合来实现。在存储部280中，存储有过去数据pd、第一学习模型m1、以及第二学习模型m2。针对它们，详细地在后面叙述。
[0041]
在本实施方式中，服务器200是“信息处理系统”的一例。在此，上述的信息取得部210、信息积蓄部220、学习部230、诊断部240、通知部250、受理部260、控制变更部270、以及存储部280的一部分或者全部也可以代替被设置于服务器200而被设置于冰箱100。在这些情况下，也可以是服务器200和冰箱100协作从而构成“信息处理系统”的一例，也可以是冰箱100单独对应于“信息处理系统”的一例。在以下，针对上述功能部设置于服务器200的例子进行说明。
[0042]
信息取得部210经由未图示的通信模块进行通信，取得(获取)从冰箱100发送的运转状态信息。即，信息取得部210以规定的周期取得箱内温度传感器rs、冷却器温度传感器es、周围温度传感器106、箱内相机107、门开关ds、以及电流检测部111的检测结果等。信息取得部210在故障诊断的执行阶段中，从故障诊断对象的冰箱100取得运转状态信息。另一方面，信息取得部210在后述的学习模型的学习阶段中，作为学习用数据而从大量的冰箱100收集运转状态信息。
[0043]
信息积蓄部220在通过信息取得部210取得了新的运转状态信息的情况下，将新取得的运转状态信息与日期时间信息建立对应而追加积蓄至存储部280的过去数据pd中。在本实施方式中，信息积蓄部220将从冰箱100以规定的周期(例如每10分钟)取得的运转状态信息随时追加积蓄至过去数据pd中。由此，信息积蓄部220对冰箱100的运转状态的变化的履历进行积蓄。
[0044]
学习部230生成第一学习模型m1以及第二学习模型m2。第一学习模型m1以及第二学习模型m2是通过机器学习进行学习而得的学习完毕模型，由支持向量机或者神经网络等构成。
[0045]
图4是示意性地表示第一学习模型m1的图。例如，第一学习模型m1由包含输入层、隐藏层(中间层)、以及输出层的神经网络构成。第一学习模型m1通过使用了训练数据的深度学习等而调整输入层、隐藏层、以及输出层中包含的节点n之间的加权系数等来进行学
习。另外在图4中，针对输入信息以及输出信息，仅例示了与一部分构成部件相关的信息。这在图5以及图6中也同样。
[0046]
第一学习模型m1是学习成为在输入冰箱100的运转状态信息时输出故障诊断的结果的学习模型。例如，第一学习模型m1在冰箱100的运转状态信息作为输入信息而被输入的情况下，作为输出信息而输出在冰箱100中产生了故障的可能性、以及在冰箱100中产生故障的预兆的可能性。
[0047]
作为输入信息的运转状态信息也可以是最近取得的1次量的运转状态信息(以规定的周期取得的运转状态信息的1次量)，也可以是通过信息积蓄部220持续一定期间而积蓄的运转状态信息。“持续一定期间而积蓄的运转状态信息”例如也可以是1日量的运转状态信息，也可以是1周量的运转状态信息，也可以是1个月量的运转状态信息，也可以是其他期间的运转状态信息。在本实施方式中，作为输入信息的运转状态信息是第一期间(例如1个月)的运转状态信息。作为输入信息的运转状态信息包含箱内温度传感器rs、冷却器温度传感器es、周围温度传感器106、箱内相机107、门开关ds、以及电流检测部111的检测结果等。
[0048]
在本实施方式中，第一学习模型m1的输出信息包含关于冰箱100中包含的多个构成部件(压缩机121、冷却风扇f、冷却器、加热器126、门、壳体等)的各个构成部件的、故障的可能性以及故障的预兆的可能性。在本实施方式中“故障”意味着失去构成部件的正常作用的状态。另一方面，在本实施方式中“预兆”是在产生故障的前阶段的产生了较小的变化的状态，意味着构成部件进行动作但有时动作变得不稳定的状态或有时伴随异常的动作的状态等。
[0049]
关于压缩机121而言，“故障”是产生制冷剂的泄漏而压缩率降低的情况、或流过过电流的情况等，“预兆”是压缩机121的振动变大的情况、或从压缩机121有异常音的情况等。关于冷却风扇f而言，“故障”是冷却风扇f的旋转停止的情况等，“预兆”是冷却风扇f的振动变大的情况、或从冷却风扇f有异常音的情况等。关于冷却器而言，“故障”是由于随时间劣化而表面的涂层剥落，大量的霜附着，不能维持作为冷却器的功能的情况等，“预兆”是变得易于附着霜，根据运转模式或冰箱100的周围温度等的条件，冷藏室或冷冻室的寒冷(冷却时的温度降低率或最低温度等)变差等。
[0050]
关于加热器126而言，“故障”是不能对冷却器进行加热的情况或流过过电流的情况等，“预兆”是根据运转模式或冰箱100的周围温度等的条件，不能对冷却器充分地进行加热(在规定时间内达不到目标温度)的情况等。关于壳体或门而言，“故障”是保温功能降低到规定以下的情况等，“预兆”是在壳体或门的内部中包含的真空绝热材料中产生缓慢泄露，冷藏室或冷冻室的寒冷渐渐变差的情况等。
[0051]
学习部230根据基于在存储部280中积蓄的过去数据pd而生成的训练数据，进行有监督学习，生成第一学习模型m1。训练数据包含：冰箱100的各构成部件为正常的情况(正确答案数据)与冰箱100的正常时的运转状态信息建立对应而成的第一数据集、在上述一个以上的构成部件中产生了故障的情况(正确答案数据)与在冰箱100的一个以上的构成部件中实际上产生了故障的状态的运转状态信息建立对应而成的第二数据集、以及在上述一个以上的构成部件中产生了故障的预兆(正确答案数据)与在冰箱100的一个以上的构成部件中实际上产生了故障的预兆的状态下的运转状态信息建立对应而成的第三数据集。例如基于
在冰箱100的实际的修理或维护等支持服务中被确认的内容，对这些正确答案数据进行登记。
[0052]
第一学习模型m1生成第一区分作为一个组(一个单位)。第一区分是按冰箱100的每个机型划分出的区分、或者按基本设计相同的多个机型的每个而划分出的区分。在以下，针对按冰箱100的每个机型设定第一区分的例子进行说明。即，基于从配置于多个家庭的相同的机型的多个冰箱100收集的运转状态信息以及修理或检查的结果，学习第一学习模型m1。
[0053]
图5是示意性地表示第二学习模型m2的图。例如，第二学习模型m2由包含输入层、隐藏层(中间层)、以及输出层的神经网络构成。第二学习模型m2通过使用了训练数据的深度学习等，调整输入层、隐藏层、以及输出层中包含的节点n之间的加权系数等从而进行学习。
[0054]
在第二学习模型m2中，输入层的节点数、和输出层的节点数相同。在第二学习模型m2中，至少一个隐藏层的节点数比输入层的节点数少，且比输出层的节点数少。第二学习模型m2是在某信息被输入至输入层的情况下，将被输入的信息在隐藏层进行压缩，对压缩后的信息进行复原，将复原后的信息从输出层输出的模型。在本实施方式中，第二学习模型m2学习成为在冰箱100的正常时的运转状态信息作为输入信息被输入的情况下，对与输入信息相同的信息进行复原并输出。与输入信息相同的信息意味着相对输入信息的差分小于预先设定的规定的阈值的信息。
[0055]
在本实施方式中，作为被输入至第二学习模型m2的输入信息的运转状态信息例如也可以是最近取得的1次量的运转状态信息(以规定的周期取得的运转状态信息的1次量)，也可以是通过信息积蓄部220持续一定期间而积蓄的运转状态信息。“持续一定期间而积蓄的运转状态信息”例如也可以是1日量的运转状态信息，也可以是1周量的运转状态信息，也可以是1个月量的运转状态信息，也可以是其他期间的运转状态信息。在本实施方式中，作为被输入至第二学习模型m2的输入信息的运转状态信息是比上述第一期间短的第二期间(例如1日)量的被积蓄的运转状态信息。作为输入信息的运转状态信息包含箱内温度传感器rs、冷却器温度传感器es、周围温度传感器106、箱内相机107、门开关ds、以及电流检测部111的检测结果等。在本实施方式中，输出信息是与输入信息相同的箱内温度传感器rs、冷却器温度传感器es、周围温度传感器106、箱内相机107、门开关ds、以及电流检测部111的检测结果等。
[0056]
学习部230根据基于在存储部280中积蓄的过去数据pd而生成的训练数据，进行有监督学习，生成第二学习模型m2。训练数据是相对于作为输入信息的冰箱100的正常时的运转状态信息，将相同的运转状态信息(正确答案数据)作为输出信息建立对应而成的数据集。换言之，作为第二学习模型m2的训练数据，有冰箱100的正常时的运转状态信息即可，不需要在冰箱100中产生了故障的情况、或在冰箱100中产生了故障的预兆的情况下的运转状态信息。
[0057]
图6是以别的观点示意性地表示第二学习模型m2的图。进行了上述那样的学习的结果是，在第二学习模型m2被输入冰箱100中产生了异常的情况下的运转状态信息作为输入信息的情况下，从第二学习模型m2输出的输出信息与输入信息不一致。即，输入信息和输出信息的差分成为上述规定的阈值以上。
[0058]
第二学习模型m2生成与上述的第一区分不同的第二区分作为一个组(一个单位)。第二区分例如是比第一区分更细分化的区分。第二区分是按冰箱100的每个用户u而划分出的区分、按相同的属性(单身/核家族/大家族、或者青年人/养育子女年龄段/高龄者等)的每个用户u而划分出的区分、或者按冰箱100的每个机型而划分的区分。在以下，针对按冰箱100的每个用户u设定第二区分的例子进行说明。即，基于从某用户u的冰箱100收集到的正常时的运转状态信息，按每个用户u学习第二学习模型m2。
[0059]
诊断部240基于表示冰箱100的运转状态的信息，进行冰箱100的故障诊断。例如，诊断部240具有第一诊断部241、和第二诊断部242。
[0060]
第一诊断部241使用第一学习模型m1，进行冰箱100的第一故障诊断。即，第一诊断部241将从故障诊断对象的冰箱100取得的运转状态信息(例如上述第一期间的运转状态信息)输入至第一学习模型m1，使其输出在故障诊断对象的冰箱100的各构成部件中产生了故障的可能性、和在冰箱100的各构成部件中产生了故障的预兆的可能性。
[0061]
第一诊断部241将表示在冰箱100的各构成部件中产生了故障的可能性的信息(例如，“在压缩机中产生了故障的可能性为〇〇％”)、和表示在冰箱100的各构成部件中产生了故障的预兆的可能性的信息(例如，“在压缩机中产生了故障的预兆的可能性为〇〇％”)作为冰箱100的第一故障诊断的结果而输出至通知部250。
[0062]
第二诊断部242使用第二学习模型m2，进行冰箱100的第二故障诊断。第二诊断部242将从故障诊断对象的冰箱100取得的运转状态信息(例如上述第二期间量的运转状态信息)输入至第二学习模型m2。第二诊断部242将输入至第二学习模型m2的冰箱100的各构成部件的运转状态信息、和从第二学习模型m2输出的冰箱100的各构成部件的运转状态信息进行比较。从第二学习模型m2输出的运转状态信息是“规定的比较对象”的一例。
[0063]
并且，第二诊断部242在输入至第二学习模型m2的冰箱100的构成部件的运转状态信息和从第二学习模型m2被输出的该构成部件的运转状态信息之间的差异为上述规定的阈值以上的情况下，判断为存在与该构成部件关联的异常。另一方面，第二诊断部242在输入至第二学习模型m2的全部构成部件的运转状态信息和从第二学习模型m2输出的全部构成部件的运转状态信息之间的差异小于预先规定的上述阈值的情况下，判断为在冰箱100中全部构成部件中不存在异常。第二诊断部242将表示冰箱100的每个构成部件的异常有无的信息作为冰箱100的第二故障诊断的结果而输出至通知部250。另外，第二故障诊断也可以代替冰箱100的每个构成部件的异常的有无的判断，而仅进行对于冰箱100整体的异常的有无的判断。
[0064]
通知部250关于冰箱100中包含的各构成部件，判断作为第一故障诊断的结果而输出的产生了故障的可能性是否为第一阈值以上。在关于各构成部件而产生了故障的可能性为第一阈值以上的情况下，通知部250向冰箱100或者终端装置300发送规定的控制指令，从而使规定的第一通知从冰箱100的显示装置130或者终端装置300输出。“输出通知”意味着使规定的消息显示于显示画面、或者从扬声器进行声音输出等。
[0065]
第一通知包含表示第一故障诊断的结果的信息、和向用户u催促修理的通知。第一通知中包含的表示第一故障诊断的结果的信息是“基于故障诊断的结果的信息”的一例。第一通知中包含的表示第一故障诊断的结果的信息能包含表示在冰箱100中包含的哪个结构元素中有产生了故障的可能性的信息。第一通知例如是“在压缩机中有产生了故障的可能
性。请向支持中心委托修理”那样的消息。另一方面，在关于冰箱100的全部结构元素而产生了故障的可能性小于第一阈值的情况下，通知部250使第一通知不输出。
[0066]
进而，通知部250判断关于冰箱100中包含的各构成部件，作为第一故障诊断的结果而输出的产生了故障的预兆的可能性是否为第二阈值以上。在关于各构成部件而产生了故障的可能性小于第一阈值，但关于该构成部件而产生了故障的预兆的可能性为第二阈值以上的情况下，通知部250向冰箱100或者终端装置300发送规定的控制指令，从而使规定的第二通知从冰箱100的显示装置130或者终端装置300输出。第二阈值也可以是与第一阈值相同的值，也可以是比第一阈值高的值，也可以是比第一阈值低的值。例如，第二阈值设定为比第一阈值低。由此，在实际上产生故障之前，能够在较早的阶段向用户u通知故障的预兆。
[0067]
第二通知包含表示第一故障诊断的结果的信息、和向用户u催促检查的通知。第二通知中包含的表示第一故障诊断的结果的信息是“基于故障诊断的结果的信息”的一例。第二通知中包含的表示第一故障诊断的结果的信息能包含表示在冰箱100中包含的哪个结构元素中有产生了故障的预兆的可能性的信息。第二通知例如是“在压缩机中有产生了故障的预兆的可能性。请检查是否从压缩机听不到异常音”那样的消息。另一方面，在关于冰箱100的全部结构元素而产生了故障的预兆的可能性小于第二阈值的情况下，通知部250使第二通知不输出。
[0068]
进而，在关于冰箱100中包含的至少一个构成部件，作为第二故障诊断的结果而判断为在该构成部件中存在异常的情况下，通知部250向冰箱100或者终端装置300发送规定的控制指令，从而使规定的第三通知从冰箱100的显示装置130或者终端装置300输出。
[0069]
第三通知包含表示第二故障诊断的结果的信息、和向用户u催促确认冰箱100的状况的通知。第三通知中包含的表示第二故障诊断的结果的信息是“基于故障诊断的结果的信息”的一例。第三通知中包含的表示第二故障诊断的结果的信息能包含表示在冰箱100中包含的哪个结构元素中存在异常的信息。第三通知例如是“在压缩机中有存在异常的可能性。请确认是否没有从压缩机听到异常音等异常”那样的消息。另一方面，在关于冰箱100的全部结构元素而判断为没有产生异常的情况下，通知部250使第三通知不输出。
[0070]
进而，也可以是，通过后述的受理部260受理用户对于第三通知的确认结果的输入，在被受理的用户输入是提示在冰箱100中有故障的可能性的内容的情况下，通知部250向冰箱100或者终端装置300发送规定的控制指令，从而使规定的第四通知从冰箱100的显示装置130或者终端装置300输出。第四通知是向用户通知向用户确认的异常为冰箱100的构成部件的故障或者故障的预兆的通知。
[0071]
受理部260受理基于上述修理或者上述检查的结果的信息的输入。基于修理的结果的信息例如包含表示在根据上述第一通知而进行了修理或者维护的情况下实际上是否产生了故障、以及在产生了故障的情况下实际上在哪个构成部件中产生了故障的信息等。例如支持中心的作业员使用未图示的输入装置输入基于修理的结果的信息。受理部260受理使用上述输入装置而被输入的信息。受理部260将通过该受理部260受理到的信息(正确答案数据)，与用于第一故障诊断的运转状态信息建立对应而添加至训练数据的一部分。
[0072]
另一方面，基于检查的结果的信息例如包含表示在根据上述第二通知而用户u进行了检查的情况下实际上是否产生了故障的预兆、以及在产生了故障的预兆的情况下实际
上在哪个构成部件中产生了故障的预兆的信息等。例如使用终端装置300或者冰箱100的显示装置130等由冰箱100的用户u输入基于检查的结果的信息。受理部260受理使用终端装置300或者冰箱100的显示装置130等而被输入的信息。受理部260将通过该受理部260受理到的信息(正确答案数据)，与用于第一故障诊断的运转状态信息建立对应而添加至训练数据的一部分。
[0073]
在本实施方式中，学习部230使用通过受理部260受理到的信息使第一学习模型m1进行追加学习。并且，学习部230使用通过进行追加学习而新生成的第一学习模型m1更新旧的第一学习模型m1。学习部230也可以在每次通过受理部260受理新的信息时对第一学习模型m1进行追加学习，也可以在通过受理部260受理到的信息积蓄到规定量以上的情况下对第一学习模型m1进行追加学习。
[0074]
控制变更部270在作为第一故障诊断的结果而判断为产生了故障的可能性为第三阈值以上的情况下，对冰箱100的控制进行变更。例如，控制变更部270向冰箱100发送规定的控制指令，从而对在冰箱100的存储部150中存储的控制量信息ci进行变更。例如，控制变更部270将控制量信息ci中包含的基本控制量变更为第一修正控制量。由此，冰箱100的控制部160基于第一修正控制量来运转冰箱100。第三阈值也可以与上述第一阈值相同，也可以比第一阈值高，也可以比第一阈值低。例如，若第三阈值设定为比第一阈值低，则能够对冰箱100的控制进行变更以便在更早的阶段进行故障的预防。将基本控制量变更为第一修正控制量是“以第一方式变更”的一例。
[0075]
在本实施方式中，在判断为在压缩机121中产生了故障的可能性为上述第三阈值以上的情况下，控制变更部270对冰箱100的控制进行变更，使得相对于在变更前和变更后相同的运转条件(例如相同的运转模式)而压缩机121的驱动量变少。同样，在判断为在冷却风扇f中产生了故障的可能性为上述第三阈值以上的情况下，控制变更部270对冰箱100的控制进行变更，使得相对于在变更前和变更后相同的运转条件(例如相同的运转模式)而冷却风扇f的驱动量变少。
[0076]
在本实施方式中，在判断为在冷却器中产生了故障的可能性为上述第三阈值以上的情况下，控制变更部270对冰箱100的控制进行变更，使得相对于在变更前和变更后相同的运转条件(例如相同的运转模式)而设置于冷却器的加热器126的加热量变多。在本实施方式中，在判断为在加热器126中产生了故障的可能性为上述第三阈值以上的情况下，控制变更部270对冰箱100的控制进行变更，使得相对于在变更前和变更后相同的运转条件(例如相同的运转模式)而加热器126的加热量变小。在本实施方式中，在判断为在壳体或者门中产生了故障的可能性为上述第三阈值以上的情况下，控制变更部270对冰箱100的控制进行变更，使得相对于在变更前和变更后相同的运转条件(例如相同的运转模式)而压缩机121以及/或者冷却风扇f的驱动量变多。
[0077]
另一方面，在作为第一故障诊断的结果而判断为产生了故障的可能性小于上述第三阈值，但产生了故障的预兆的可能性为第四阈值以上的情况下，控制变更部270对冰箱100的控制进行变更。例如，控制变更部270向冰箱100发送规定的控制指令，从而对在冰箱100的存储部150中存储的控制量信息ci进行变更。例如，控制变更部270将控制量信息ci中包含的基本控制量变更为第二修正控制量。由此，冰箱100的控制部160基于第二修正控制量来运转冰箱100。例如，第二修正控制量是与第一修正控制量相比时对于基本控制量的修
正量较少的控制量。第四阈值也可以与上述第二阈值相同，也可以比第二阈值高，也可以比第二阈值低。例如，若第四阈值设定为比第二阈值低，则能够对冰箱100的控制进行变更以便在更早的阶段进行故障的预防。将基本控制量变更为第二修正控制量是“以第二方式变更”的一例。
[0078]
在本实施方式中，在关于冰箱100中包含的各构成部件而有产生了故障的可能性的情况、和关于该构成部件而有产生了故障的预兆的可能性的情况下，控制变更部270进行基本相同的方向(例如减少驱动量的方向、或者增加驱动量的方向)的控制量的变更。因此，关于有产生了故障的预兆的可能性的情况的控制例中，只要在上述的与压缩机121、冷却风扇f、冷却器、加热器126、壳体以及门相关的各个的控制例的说明中将“判断为产生了故障的可能性为上述第一阈值以上的情况”替换为“判断为产生了故障的预兆的可能性为上述第二阈值以上的情况”即可。
[0079]
＜4.处理的流程＞
[0080]
图7是表示实施方式的服务器200的处理的流程的流程图。首先，信息取得部210从故障诊断对象的冰箱100取得运转状态信息(s101)。信息积蓄部220将通过信息取得部210取得的信息追加积蓄至过去数据pd中(s102)。
[0081]
诊断部240将通过信息取得部210持续第一期间而积蓄的最近的运转状态信息作为输入信息，输入至第一学习模型m1，进行第一故障诊断(s103)。即，诊断部240作为第一故障诊断，判断冰箱100的全部构成部件是否为正常(也就是说，是否是：关于各构成部件的产生了故障的可能性小于第一阈值且关于各构成部件的产生了故障的预兆的可能性小于第二阈值)。
[0082]
在第一故障诊断中判断为冰箱100的至少一个构成部件并非正常的情况下(s103：故障/故障的预兆)，通知部250判断关于该构成部件而产生了故障的可能性是否为第一阈值以上(s104)。通知部250在判断为关于至少一个构成部件而产生了故障的可能性为第一阈值以上的情况下(s104：故障)，设为产生了故障的可能性较高，从而进行上述的第一通知(s105)。
[0083]
另一方面，通知部250在关于冰箱100中包含的构成部件而产生了故障的可能性小于第一阈值，但关于该构成部件而产生了故障的预兆的可能性为第二阈值以上的情况下(s104：故障的预兆)，设为产生了故障的预兆的可能性较高，从而进行上述的第二通知(s106)。
[0084]
接着，学习部230判断基于修理或者检查的结果的追加学习用的信息的输入是否被受理部260受理(s111)。学习部230在追加学习用的信息的输入被受理部260受理的情况下(s111：是)，基于由受理部260受理到的信息，使第一学习模型m1进行追加学习，对第一学习模型m1进行更新(s112)。另一方面，在追加学习用的信息的输入没有被受理部260受理的情况下(s111：否)，返回至s101的处理，重复进行上述的处理。
[0085]
接着，控制变更部270在第一故障诊断中判断为冰箱100的至少一个构成部件并非正常的情况下，基于第一修正控制量或者第二修正控制量，对冰箱100的控制量信息ci进行变更。由此，控制变更部270对冰箱100的控制进行变更(s113)。其后，返回至s101的处理，重复进行上述的处理。
[0086]
另一方面，在第一故障诊断中判断为冰箱100的全部构成部件为正常的情况下
(s103：正常)，信息积蓄部220判断是否为了生成第二学习模型m2而积蓄有充分的正常时的冰箱100的运转状态信息(正常数据)(s121)。在没有积蓄充分的正常时的冰箱100的运转状态信息(正常数据)的情况下(s121：否)，信息积蓄部220将所取得的最近的运转状态信息作为正常数据的一部分而积蓄(s122)。
[0087]
另一方面，在积蓄了充分的正常时的冰箱100的运转状态信息(正常数据)而已经学习并生成了第二学习模型m2的情况下(s121：是)，诊断部240将通过信息取得部210持续第二期间而积蓄的最近的运转状态信息，作为输入信息输入至第二学习模型m2，进行第二故障诊断(s123)。即，诊断部240作为第二故障诊断，关于冰箱100中包含的各构成部件判断是否有异常。
[0088]
并且，在关于冰箱100中包含的各构成部件而判断为正常的情况下(s123：正常)，信息积蓄部220将用于第二故障诊断的运转状态信息作为正常数据的一部分而积蓄(s122)。另一方面，在关于冰箱100中包含的至少一个构成部件而判断为有异常的情况下(s123：异常)，通知部250进行第三通知，从而向用户催促确认冰箱100的状况(s124)。
[0089]
接着，受理部260受理用户对于第三通知的确认结果的输入，判断所受理到的用户输入是否是提示在冰箱100中有故障的可能性的确认结果(s125)。在通过受理部260受理了表示在冰箱100中没有故障的可能性的用户输入的情况下(s125：否)，信息积蓄部220将用于第二故障诊断的运转状态信息作为正常数据的一部分而积蓄(s122)。另一方面，在通过受理部260受理了表示在冰箱100中有故障的可能性的用户输入的情况下(s125：是)，进行上述的第四通知(s126)。在该情况下，控制变更部270对冰箱100的控制进行变更(s113)。其后，返回至s101的处理，重复进行上述的处理。
[0090]
＜5.作用＞
[0091]
作为比较例，考虑对电流值或传感器值设定阈值而进行故障诊断的故障诊断系统。在这样的故障诊断系统中，在是难以进行冰箱的运转状态和故障的有无之间的对应建立的故障那样的情况下，有时难以提高故障诊断的精度。
[0092]
在本实施方式中，信息处理系统包含：诊断部240，使用学习成为在输入表示冰箱的运转状态的信息时输出第一故障诊断的结果的第一学习模型m1，进行冰箱100的第一故障诊断；以及通知部250，使基于诊断部240的第一故障诊断的结果的信息从冰箱100或者终端装置300输出。根据这样的结构，即使是难以进行冰箱的运转状态和故障的有无之间的对应建立的故障那样的情况下，也能够进行更恰当的故障诊断。
[0093]
在本实施方式中，通知部250在作为第一故障诊断的结果而判断为产生了故障的可能性为第一阈值以上的情况下，输出向用户u催促修理的通知。根据这样的结构，用户u能够在有故障的可能性的阶段采取应对，能够在冰箱100的功能停止之前进行修理或维护。由此，能够提高用户u的便利性。
[0094]
在本实施方式中，通知部250在作为第一故障诊断的结果而判断为产生了故障的可能性小于第一阈值，但产生了故障的预兆的可能性为第二阈值以上的情况下，输出向用户u催促检查的通知。根据这样的结构，用户u能够在更早的阶段采取应对，能够更可靠地在冰箱100的功能停止之前进行修理或维护。由此，能够进一步提高用户u的便利性。
[0095]
在本实施方式中，信息处理系统具备：受理部260，受理基于修理或者检查的结果的信息的输入；以及学习部230，基于使用由受理部260受理到的信息进行追加学习而成的
学习模型，对第一学习模型m1进行更新。根据这样的结构，能够使用基于修理或者检查的结果的信息对第一学习模型m1进行更新。由此，能够进一步提高故障诊断的精度。
[0096]
在本实施方式中，诊断部240进行使用了第一学习模型m1的第一故障诊断，在第一故障诊断中判断为冰箱100为正常的情况下，基于表示冰箱100的运转状态的信息进行追加判断异常的有无的第二故障诊断，上述第一学习模型m1学习成为在输入表示冰箱100的运转状态的信息时输出故障诊断的结果。根据这样的结构，即使针对发生件数少的故障那样的难以充分地收集训练数据的故障，也能够检测异常的有无。由此，能够进行更恰当的故障诊断。
[0097]
在本实施方式中，诊断部240将冰箱100的运转状态与规定的比较对象进行比较从而进行上述第二故障诊断。根据这样的结构，能够通过比较简便的方法来检测异常的有无。
[0098]
在本实施方式中，诊断部240使用第二学习模型m2，基于输入至第二学习模型m2的表示冰箱100的运转状态的信息、和从第二学习模型m2输出的输出信息之间的比较，进行上述第二故障诊断，上述第二学习模型m2学习成为在作为输入信息而输入表示冰箱100的正常时的运转状态的信息时对复原并输出与上述输入信息相同的信息。根据这样的结构，即使针对发生件数少的故障那样的难以充分地收集训练数据的故障，也能够进行精度更高的故障诊断。例如，还能够应对于反映了用户u的使用方法的异常判断、或难以进行运转状态和故障的有无之间的对应建立的情况等。
[0099]
在本实施方式中，信息处理系统还具备控制变更部270，该控制变更部270在作为故障诊断的结果而判断为产生了故障的可能性为第三阈值以上的情况下，对冰箱100的控制进行变更。根据这样的结构，能够在实际上尚未产生故障的情况下实现故障的预防。
[0100]
在本实施方式中，控制变更部270在作为故障诊断的结果而判断为产生了故障的可能性小于第三阈值，但产生了故障的预兆的可能性为第四阈值以上的情况下，对冰箱100的控制进行变更。根据这样的结构，能够在更早的阶段实现故障的预防。
[0101]
＜6.变形例＞
[0102]
在上述的实施方式中，针对使用第二学习模型m2来进行第二故障诊断的例子进行了说明。其中，第二故障诊断不限定于上述例，也可以基于冰箱100的最近的运转状态和冰箱100的过去的运转状态的比较来进行。冰箱100的最近的运转状态例如是最近的第二期间中的运转状态。冰箱100的过去的运转状态是在过去数据pd中积蓄的过去的第二期间中的运转状态。冰箱100的过去的运转状态是“规定的比较对象”的一例。
[0103]
在本变形例中，在图7所示的s123的处理中，基于冰箱100的最近的运转状态和冰箱100的过去的运转状态的比较来进行第二故障诊断。关于其他结构以及处理，与上述实施方式同样。
[0104]
根据以上说明的至少一个实施方式，信息处理系统具有：诊断部，使用学习成为在输入表示冰箱的运转状态的信息时输出故障诊断的结果的学习模型，进行所述冰箱的故障诊断；以及通知部，使基于上述诊断部的故障诊断的结果的信息从冰箱或者终端装置输出。根据这样的结构，能够进行更恰当的故障诊断。
[0105]
说明了本发明的一些实施方式，但这些实施方式作为例子而提示，没有意图限定发明的范围。这些实施方式能够以其他各种各样的方式来实施，在不脱离发明的要旨的范围中，能够进行各种各样的省略、置换、变更。这些实施方式或该变形被包含于发明的范围
或要旨，同样，被包含于权利要求书中记载的发明及其均等的范围。