维护作业辅助装置、维护作业辅助方法及维护作业辅助程序

摘要

提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置、维护作业辅助方法及维护作业辅助程序。维护作业辅助装置具有：第1获取部，获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组；第2获取部，获取作业内容信息，该作业内容信息中记录有维护作业人员针对所述目标设备进行的维护作业的内容即更换或修理过的部件或者更换后的新部件；及学习部，以将所述第1获取部获取的数据组与所述第2获取部获取的作业内容信息中记录的所述更换或修理过的部件或者更换后的新部件相关联的方式进行学习。

说明书

技术领域

本公开涉及一种维护作业(maintenance work)辅助装置、维护作业辅助方法及维护作业辅助程序。

背景技术

现有技术中提出了如下技术，即，事先收集运行期间的空调设备的运行信息等，在发生了异常的情况下对异常原因进行诊断的诊断技术和基于空调设备输出的异常代码等对异常位置进行预测的预测技术。根据这些技术，当发生了异常时，维护作业人员可基于诊断出的异常原因和预测到的异常位置进行检查，由此可高效地进行诸如故障部件的确定、故障部件的更换或修理之类的维护作业。

[引证文件]

[专利文件]

[专利文件1](日本)特开2004－265159号公报

发明内容

[要解决的技术问题]

另一方面，当发生了异常时，即使事先知道了异常的原因和异常的位置，但维护作业人员如果不亲临现场，也无法确定故障部件。为此，藉由以往的诊断技术和预测技术并不能减少维护作业人员的出动次数。

本公开提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置、维护作业辅助方法及维护作业辅助程序。

[技术方案]

根据本公开的第1方面的维护作业辅助装置具有：

第1获取部，获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组；

第2获取部，获取作业内容信息，该作业内容信息中记录有维护作业人员针对所述目标设备进行的维护作业的内容、即、更换或修理过的部件或者更换后的新部件；及

学习部，通过将所述第1获取部获取的数据组与所述第2获取部获取的作业内容信息中记录的所述更换或修理过的部件或者更换后的新部件相关联从而进行学习。

根据本公开的第1方面，出动前可确定目标设备中应更换或修理的部件或者更换后的新部件，并可在出动之前做好进行更换或修理所需的准备，所以可减少维护作业人员的出动次数。换言之，根据本公开的第1方面，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置。

另外，根据本公开的第2方面的维护作业辅助装置具有：

第1获取部，获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组；

第2获取部，获取作业内容信息，该作业内容信息中记录有维护作业人员针对所述目标设备进行的维护作业、即、作业工序；及

学习部，通过将所述第1获取部获取的数据组与所述第2获取部获取的作业内容信息中记录的所述作业工序相关联从而进行学习。

根据本公开的第2方面，出动前可确定针对目标设备的维护作业的作业工序，并可在出动之前做好执行作业工序所需的准备，所以可减少维护作业人员的出动次数。换言之，根据本公开的第2方面，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置。

此外，根据本公开的第3方面的维护作业辅助装置具有：

计算部，根据评价信息计算奖励(reward)，该评价信息是对针对目标设备的维护作业的作业结果进行评价的信息；及

学习部，根据包含所述目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含所述目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组，对所述目标设备中应更换或修理的部件或者更换后的新部件进行学习，

其中，所述学习部根据所述奖励对所述目标设备中应更换或修理的部件或者更换后的新部件进行学习。

根据本公开的第3方面，出动前可确定目标设备中应更换或修理的部件或者更换后的新部件，并可在出动之前做好进行更换或修理所需的准备，所以可减少维护作业人员的出动次数。换言之，根据本公开的第3方面，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置。

根据本公开的第4方面的维护作业辅助装置具有：

计算部，根据评价信息计算奖励，该评价信息是对针对目标设备的维护作业的作业结果进行评价的信息；及

学习部，根据包含所述目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含所述目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组，对针对所述目标设备的维护作业的作业工序进行学习，

所述学习部根据所述奖励对针对所述目标设备的维护作业的作业工序进行学习。

根据本公开的第4方面，出动前可确定针对目标设备的维护作业的作业工序，并可在出动之前做好执行作业工序所需的准备，所以可减少维护作业人员的出动次数。换言之，根据本公开的第4方面，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置。

此外，本公开的第5方面为第1至第4方面中的任一方面所述的维护作业辅助装置，其中，所述设备信息包含所述目标设备的类别。

另外，本公开的第6方面是第1至第4方面中的任一方面所述的维护作业辅助装置，其中：

所述运行信息包含所述目标设备输出的异常代码、异常预测数据、运行条件、室内温度、室外温度及累计工作时间中的任意一种信息。

此外，本公开的第7方面为第6方面所述的维护作业辅助装置，其中：

所述目标设备为空调设备，所述运行条件包含压缩机转速、吸气过热度、过冷度、排气温度、高低压力值、高压侧温度、低压侧温度、阀门开度及外部热交换温度中的任意一种条件。

此外，本公开的第8方面是第1至第4方面中的任一方面所述的维护作业辅助装置，其中，

所述现象信息为表示因所述目标设备的故障和/或异常而发生的现象的信息。

此外，本公开的第9方面为第1方面所述的维护作业辅助装置，还具有：

推理部，重新获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组，并根据所述学习部进行学习的结果，从所述重新获取的数据组推理出所述目标设备中应更换或修理的部件或者更换后的新部件。

另外，本公开的第10方面是第2方面所述的维护作业辅助装置，还具有：

推理部，重新获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组，并根据所述学习部进行学习的结果，从所述重新获取的数据组推理出针对所述目标设备的维护作业的作业工序。

此外，根据本公开的第11方面的维护作业辅助方法具有：

第1获取步骤，获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组；

第2获取步骤，获取作业内容信息，该作业内容信息中记录有维护作业人员针对所述目标设备进行的维护作业的内容、即、更换或修理过的部件或者更换后的新部件；及

学习步骤，通过将所述第1获取步骤中获取的数据组与所述第2获取步骤中获取的作业内容信息内记录的所述更换或修理过的部件或者更换后的新部件相关联从而进行学习。

根据本公开的第11方面，出动前可确定目标设备中应更换或修理的部件或者更换后的新部件，并可在出动之前做好进行更换或修理所需的准备，所以能够减少维护作业人员的出动次数。换言之，根据本公开的第11方面，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助方法。

此外，根据本公开的第12方面的维护作业辅助方法具有：

第1获取步骤，获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组；

第2获取步骤，获取作业内容信息，该作业内容信息中记录有维护作业人员针对所述目标设备进行的维护作业、即、作业工序；及

学习步骤，通过将所述第1获取步骤中获取的数据组与所述第2获取步骤中获取的作业内容信息内记录的所述作业工序相关联从而进行学习。

根据本公开的第12方面，出动前可确定针对目标设备的维护作业的作业工序，并可在出动之前做好执行作业工序所需的准备，所以能够减少维护作业人员的出动次数。换言之，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助方法。

此外，根据本公开的第13方面的维护作业辅助方法具有：

计算步骤，根据评价信息计算奖励，该评价信息是对针对目标设备的维护作业的作业结果进行评价的信息；及

学习步骤，根据包含所述目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含所述目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组，对所述目标设备中应更换或修理的部件或者更换后的新部件进行学习，

其中，所述学习步骤根据所述奖励对所述目标设备中应更换或修理的部件或者更换后的新部件进行学习。

根据本公开的第13方面，出动前可确定目标设备中应更换或修理的部件或者更换后的新部件，并可在出动之前做好进行更换或修理所需的准备，所以可减少维护作业人员的出动次数。换言之，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助方法。

此外，根据本公开的第14方面的维护作业辅助方法具有：

计算步骤，根据评价信息计算奖励，该评价信息是对针对目标设备的维护作业的作业结果进行评价的信息；及

学习步骤，根据包含所述目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含所述目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组，对针对所述目标设备的维护作业的作业工序进行学习，

其中，所述学习步骤根据所述奖励对针对所述目标设备的维护作业的作业工序进行学习。

根据本公开的第14方面，出动前可确定针对目标设备的维护作业的作业工序，并可在出动之前做好执行作业工序所需的准备，所以能够减少维护作业人员的出动次数。换言之，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助方法。

此外，根据本公开的第15方面的维护作业辅助程序可使计算机执行如下步骤，即：

第1获取步骤，获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组；

第2获取步骤，获取作业内容信息，该作业内容信息中记录有维护作业人员针对所述目标设备进行的维护作业的内容、即、更换或修理过的部件或者更换后的新部件；及

学习步骤，通过将所述第1获取步骤中获取的数据组与所述第2获取步骤中获取的作业内容信息内记录的所述更换或修理过的部件或者更换后的新部件相关联从而进行学习。

根据本公开的第15方面，出动前可确定目标设备中应更换或修理的部件或者更换后的新部件，并可在出动之前做好进行更换或修理所需的准备，所以可减少维护作业人员的出动次数。换言之，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助程序。

另外，根据本公开的第16方面的维护作业辅助程序可使计算机执行如下步骤，即：

第1获取步骤，获取包含目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组；

第2获取步骤，获取作业内容信息，该作业内容信息中记录有维护作业人员针对所述目标设备进行的维护作业的内容、即、作业工序；及

学习步骤，通过将所述第1获取步骤中获取的数据组与所述第2获取步骤中获取的作业内容信息内记录的所述作业工序相关联而进行学习。

根据本公开的第16方面，出动前可确定针对目标设备的维护作业的作业工序，并可在出动之前做好执行作业工序所需的准备，所以能够减少维护作业人员的出动次数。换言之，根据本公开的第16方面，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助程序。

此外，根据本公开的第17方面的维护作业辅助程序是一种用于使计算机执行如下步骤的护作业辅助程序，即：

计算步骤，根据评价信息计算奖励，该评价信息是对针对目标设备的维护作业的作业结果进行评价的信息；及

学习步骤，根据包含所述目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含所述目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组，对所述目标设备中应更换或修理的部件或者更换后的新部件进行学习，

其中，所述学习步骤中，根据所述奖励对所述目标设备中应更换或修理的部件或者更换后的新部件进行学习。

根据本公开的第17方面，出动前可确定目标设备中应更换或修理的部件或者更换后的新部件，并可在出动之前做好进行更换或修理所需的准备，所以能够减少维护作业人员的出动次数。换言之，根据本公开的第17方面，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助程序。

此外，根据本公开的第18方面的维护作业辅助程序是一种用于使计算机执行如下步骤的维护作业辅助程序，即：

计算步骤，根据评价信息计算奖励，该评价信息是对针对目标设备的维护作业的作业结果进行评价的信息；及

学习步骤，根据包含所述目标设备的设备信息和该目标设备的运行信息的组合的数据组、或者、包含所述目标设备的设备信息和表示与该目标设备相关的现象的现象信息的组合的数据组，对所述针对目标设备的维护作业的作业工序进行学习，

其中，所述学习步骤中，根据所述奖励对所述针对目标设备的维护作业的作业工序进行学习。

根据本公开的第18方面，出动前可确定针对目标设备的维护作业的作业工序，并可在出动之前做好执行作业工序所需的准备，所以可减少维护作业人员的出动次数。换言之，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助程序。

附图说明

图1是维护作业辅助系统(学习阶段)的系统构成的一例的示意图。

图2是设备运行信息和设备现象信息的一例的示意图。

图3是监视装置的诊断部的功能构成的一例的示意图。

图4是设备信息、设备使用者信息及维护工序信息的一例的示意图。

图5是维护工序指南(manual)的具体示例的示意图。

图6是作业内容信息的一例的示意图。

图7是维护作业辅助装置的硬件结构的一例的示意图。

图8是第1实施方式的维护作业辅助装置中实现的学习阶段的功能的一例的示意图。

图9是维护作业辅助系统(推理阶段)的系统构成的一例的示意图。

图10是对推理部的功能构成的细节进行表示的第1图。

图11是对第1实施方式的维护作业辅助装置所进行的维护作业辅助处理的流程进行表示的流程图。

图12是第2实施方式的维护作业辅助装置中实现的学习阶段的功能的一例的示意图。

图13是对推理部的功能构成的细节进行表示的第2图。

图14是对第2实施方式的维护作业辅助装置所进行的维护作业辅助处理的流程进行表示的流程图。

图15是维护作业辅助系统(强化学习阶段)的系统构成的一例的示意图。

图16是对强化学习部的功能构成的细节进行表示的图。

图17是对第3实施方式的维护作业辅助装置所进行的强化学习处理的流程进行表示的流程图。

具体实施方式

下面参照附图对各实施方式进行说明。需要说明的是，本说明书和附图中对实质上具有相同功能构成的构成要素赋予了相同的符号，由此对重复的说明进行了省略。

[第1实施方式]

＜维护作业辅助系统(学习阶段)的系统构成＞

首先，对学习阶段的维护作业辅助系统的系统构成进行说明。图1是维护作业辅助系统(学习阶段)的系统构成的一例的示意图。如图1所示，维护作业辅助系统100例如具有监视装置110、工作站(station)120、空调设备130＿1～130＿n、维护用装置140及维护作业辅助装置160。需要说明的是，学习阶段的维护作业辅助系统100中，监视装置110、工作站120、维护用装置140及维护作业辅助装置160可经由网络170连接。

监视装置110是对空调设备130＿1～130＿n进行监视并在发生了异常的情况下向维护用装置140发送维护指示的装置。

监视装置110中安装有监视程序，通过执行该程序，监视装置110可作为运行和现象信息获取部111、诊断部113及维护指示发送部114而发挥功能。

运行和现象信息获取部111可按照预定的周期经由工作站120从空调设备130＿1～130＿n等获取“设备运行信息”和/或“设备现象信息”，并将其保存在运行和现象信息保存部112中。

设备运行信息是指，与运行期间还是停止期间无关地从空调设备130＿1～130＿n中获取的信息。设备运行信息包含发生异常时空调设备输出的异常代码或异常预测数据、空调设备的累计工作时间、运行期间的运行信息(压缩机转速、吸气过热度、过冷度等)、室内温度、室外温度等。需要说明的是，异常预测数据是指，预定的分析软件通过分析空调设备130＿1～130＿n的设备运行信息并进行异常诊断而输出的数据。

此外，设备现象信息是指，表示与空调设备130＿1～130＿n有关的现象的信息。设备现象信息不仅包含空调设备130＿1～130＿n中发生的现象，而且还包含表示因空调设备130＿1～130＿n的故障和/或异常而对室内或室外产生的影响(“不制冷”，“运行停止”，“出现异常声音”等)的信息。

就诊断部113而言，在运行和现象信息保存部112中保存有异常代码或异常预测数据的情况下，可根据运行和现象信息保存部112保存的其它设备运行信息和/或设备现象信息对异常原因进行诊断。此外，诊断部113还可将表示诊断出的异常原因的信息(异常原因信息)通知给维护指示发送部114。

或者，在运行和现象信息保存部112中保存有异常代码或异常预测数据的情况下，诊断部113可通过参照事先对异常代码或异常预测数据与异常位置之间的对应关系进行了规定的表(table)来预测异常位置。此外，诊断部113还可将表示预测出的异常位置的信息(异常位置信息)通知给维护指示发送部114。

就维护指示发送部114而言，在从诊断部113被通知了异常原因信息或异常位置信息的情况下，可将该信息发送至维护用装置140。

工作站120与空调设备130＿1～130＿n连接，可将按照预定的周期(例如，10秒)从空调设备130＿1～130＿n发送来的设备运行信息和/或设备现象信息存储于内部存储器。此外，工作站120还可按照预定的周期(例如，1时间)将内部存储器中存储的设备运行信息和/或设备现象信息发送给监视装置110。

空调设备130＿1～130＿n是通过进行工作从而去除使用者的建筑物内的各居室的空气污染并自动调节温度和湿度的设备。空调设备130＿1～130＿n在运行期间可获取设备运行信息并将其发送至工作站120。此外，空调设备130＿1～130＿n还可在运行期间获取设备现象信息并将其也发送给工作站120。

维护用装置140中安装有维护用程序，通过执行该程序，维护用装置140可作为维护指示接收部141、维护用信息输出部142及作业内容记录部146而发挥功能。

维护指示接收部141可对从监视装置110发送来的异常原因信息或异常位置信息进行接收。维护指示发送部114还可将接收到的异常原因信息或异常位置信息通知给维护用信息输出部142。

就维护用信息输出部142而言，当被通知了异常原因信息或异常位置信息后，可从设备信息保存部143中读取出与目标空调设备相关的“设备信息”。设备信息是指表示空调设备的属性的信息。设备信息可包含设备ID、设备类别(类型)、设备能力、功耗(电力消耗)、安装(设置)年数等。

此外，当被通知了异常原因信息或异常位置信息后，维护用信息输出部142可从设备使用者信息保存部144中读取出与目标空调设备的使用者相关的“设备使用者信息”。设备使用者信息是指与空调设备的使用者所利用的建筑物有关的信息。设备使用者信息可包含建筑物用途、建筑物热负荷，总建筑面积、建筑年数、行业分类(种类)等。

另外，就维护用信息输出部142而言，当被通知了异常原因信息或异常位置信息后，还可从维护工序信息保存部145中读取出对维护作业的工序进行了规定的“维护工序信息”。维护工序信息是指记载了维护作业的具体的工序内容(即，每个操作的具体内容)的信息，是按照每个异常原因和/或异常位置而进行了分类记载的信息。

此外，维护用信息输出部142可将读取出的设备信息、设备使用者信息及维护工序信息通知给维护作业人员150。据此，维护作业人员150可知晓空调设备中发生了异常，并可在掌握了异常原因、异常位置及被通知了的信息后，前往设置了空调设备130＿1～130＿n的现场。

需要说明的是，维护作业人员150在现场针对目标空调设备(图1的示例中为空调设备130＿n)进行基于异常原因和/或异常位置的检查，由此确定应更换或修理的故障部件。接下来，维护作业人员150准备用于更换或修理所确定的部件的工具和/或用于更换的新部件，然后再次前往现场。之后，维护作业人员150使运行中的空调设备130＿n停止，并进行针对发生了故障的部件的修理或者将其更换为新部件的作业。部件的更换或修理作业结束后，维护作业人员150重新使空调设备130＿n运行，并可将一连串的维护作业的内容记载于维护作业报告书151。需要说明的是，由维护作业人员150进行了记载的维护作业报告书151可被输入维护用装置140。

作业内容记录部146可将由维护作业人员150输入的维护作业报告书151的维护作业内容保存在作业内容信息保存部147内。

维护作业辅助装置160是在学习阶段进行工作的装置。维护作业辅助装置160中安装有维护作业辅助程序(学习阶段)，通过执行该程序，维护作业辅助装置160可作为学习用信息获取部161和学习部162而发挥功能。

学习用信息获取部161是第1获取部和第2获取部的一例，可经由网络170获取学习用信息。学习用信息获取部161获取的学习用信息包含如下信息等，即：·运行和现象信息保存部112中保存的设备运行信息和设备现象信息；

·设备信息保存部143中保存的设备信息；

·设备使用者信息保存部144中保存的设备使用者信息；

·维护工序信息保存部145中保存的维护工序信息；及

·作业内容信息保存部147中保存的作业内容信息。

学习部162根据学习用信息获取部161获取到的学习用信息可对用于判定应更换或修理的部件或者更换后的新部件的模型进行机器学习。据此，学习部162可生成对应更换或修理的部件或者更换后的新部件进行判定的学习后模型(即，学习好的模型，也称训练后模型)。

＜设备运行信息和设备现象信息的说明＞

接下来，对运行和现象信息保存部112中保存的设备运行信息和设备现象信息进行说明。图2是设备运行信息和设备现象信息的一例的示意图，其中信息按照每个空调设备分别进行保存(设备运行信息200例如表示空调设备130＿1的设备运行信息和设备现象信息)。

如图2的2a所示，设备运行信息200中作为信息的项目包含“时刻信息”、“异常代码或异常预测数据”、“累计工作时间”、“运行条件”、“室内温度”及“室外温度”。此外，“运行条件”还包含“压缩机转速”、“吸气过热度”、“过冷度”、“排气温度”、“高低压力值”、“高压侧温度”、“低压侧温度”、“阀门开度”及“外部热交换温度”。

设备运行信息200的“时刻信息”中保存空调设备130＿1获取到“异常代码或异常预测数据”～“室外温度”中的任意一者时的时刻。

“异常代码或异常预测数据”～“室外温度”中保存空调设备130＿1获取到的内容。

此外，如图2的2b所示，设备现象信息210中作为信息的项目包含“发生时刻”和“现象”。另外，“现象”不仅包含空调设备中发生的现象，而且还包含因空调设备的故障和/或异常而对室内产生的影响(“不制冷”、“运行停止”、“电费较高”等)。

“发生时刻”内保存“现象”所含的各现象中的任意一个现象的发生时刻。“不制冷”、“运行停止”、“电费较高”等中则分别保存表示发生了该现象的信息。

＜监视装置的诊断部的功能构成的细节＞

接着，对监视装置110所含的各功能部中的诊断部113的功能构成的细节进行说明。图3是监视装置的诊断部的功能构成的一例的示意图。如图3所示，诊断部113具有预处理部301、异常原因诊断部302及异常位置预测部303。

预处理部301可从运行和现象信息保存部112中读取出设备运行信息和设备现象信息。然后，预处理部301可从读取出的设备运行信息和设备现象信息中提取出用于通知给异常原因诊断部302的信息，并获取提取出的信息的一部分、或者、根据使用预定的计算公式对提取出的信息的一部分进行计算后的计算结果而获得的值。

例如，预处理部301可从设备运行信息200提取出室外温度、排气温度、高压侧温度、阀门开度等的运行条件。此外，预处理部301也可获取这些运行条件或使用预定的计算公式对这些运行条件进行计算后的计算结果到达了预定阈值的时间等。此外，预处理部301例如还可从设备现象信息中提取出表示发生了现象＝“不制冷”的信息。再有，预处理部301可将提取出信息或获取到信息通知给异常原因诊断部302。

或者，预处理部301可从读取出的设备运行信息和设备现象信息中提取出用于通知给异常位置预测部303的信息，并将其通知给异常位置预测部303。

例如，预处理部301可从设备运行信息200中提取出异常代码或异常预测数据。此外，预处理部301还可将提取出的异常代码或异常预测数据通知给异常位置预测部303。

异常原因诊断部302通过将从预处理部301通知来的信息输入异常原因表，可对异常原因信息进行输出。异常原因表中作为异常原因规定有“气体不足”、“气体泄漏”、“热交换污垢”、“空气过滤器污垢”、“排气管异常”、“高压异常”等，此外还规定有用于对各异常原因进行诊断的诊断条件。

异常原因诊断部302通过对异常原因表中规定的诊断条件和从预处理部301通知来的信息进行对比，可诊断出异常原因是哪一个，并输出异常原因信息。

异常位置预测部303通过将从预处理部301通知来的异常代码或异常预测数据输入异常位置表，可输出异常位置信息。异常位置表中按照每个异常代码或异常预测代码规定有作为异常位置的“电动阀”、“压缩机”、“热交换”、“制冷剂”、“电磁阀”等，另外还按照每个异常位置规定了置信度。

异常位置预测部303通过参照与异常代码或异常预测数据相应的异常位置表，可预测出置信度较高的异常位置，并将其作为异常位置信息而进行输出。

＜设备信息、设备使用者信息及维护工序信息的说明＞

接下来，对设备信息保存部143中保存的设备信息、设备使用者信息保存部144中保存的设备使用者信息、及维护工序信息保存部145中保存的维护工序信息进行说明。

图4是设备信息、设备使用者信息及维护工序信息的一例的示意图。设备信息按照每个空调设备分别进行保存，设备使用者信息按照每个安装有空调设备的建筑物分别进行保存，维护工序信息则按照每个空调设备的类型(类别)分别进行保存(设备信息400例如表示空调设备130＿1的设备信息)。

如图4的4a所示，设备信息400中作为信息的项目包含“设备ID”、“设备类别(类型)”、“设备能力”、“功耗”及“设置(安装)年数(经过年数)”。设备信息400可在安装空调设备130＿1时被保存在设备信息保存部143中。

此外，如图4的4b所示，设备使用者信息410中作为信息的项目包含“建筑物用途”、“建筑物热负荷”、“总建筑面积”、“建筑年数”、“业务种类”。设备使用者信息410例如可在安装空调设备130＿1～130＿n时而被保存于设备使用者信息保存部144。

此外，如图4的4c所示，维护工序信息420中作为信息的项目包含“异常原因”、“异常位置”及“维护工序指南”。维护工序信息420是与空调设备130＿1的设备类别(类型)相应的信息，并按照每个异常原因和异常位置对所对应的维护工序指南进行了保存。

需要说明的是，图4的4c的示例中示出了作为“异常原因”保存了“高压压力异常”、作为“异常位置”保存了“室外单元”、及作为“维护工序指南”保存了“维护工序指南1”的情况。另外，图4的4c的示例中，针对“异常位置”＝“室外单元”，仅示出了一个维护工序指南，但实际上可保存多个维护工序指南。

＜维护工序指南的具体示例＞

接着，对维护工序信息保存部145中保存的维护工序指南的具体示例进行说明。图5是表示维护工序指南的具体示例的图，示出了“维护工序指南1”。如上所述，维护工序指南1用于异常原因为高压压力异常且异常位置为室外单元的情况。

维护作业人员150依照作业流程(操作流程)500进行作业(操作)。在作业流程500的情况下，依次对高压压力开关、高压压力传感器及基板进行检查，例如当判定为高压压力开关发生了异常时，将高压压力开关确定为应更换的部件(参见作业(操作)步骤501)。此外，当判定为高压压力传感器发生了异常时，将高压压力传感器确定为应更换的部件(参见操作步骤502)。另外，当判定为基板发生了异常时，将基板确定为应更换的部件(参见操作步骤503)。

需要说明的是，在无论哪个部件都没出现异常的情况下，维护作业人员150进入下一个维护工序指南(“维护工序指南2”)，并依据下一个维护工序指南中记载的作业流程进行作业。

＜作业内容信息的说明＞

接下来，对作业内容信息保存部147中保存的作业内容信息进行说明。图6是作业内容信息的一例的示意图。如图6所示，作业内容信息600中作为信息的项目包含“作业日期和时间”、“作业所用时间”、“作业人员”、“目标设备ID”、“异常原因”、“异常位置”、“维护工序指南”、“更换前部件”、“更换后部件”及“现场情况”。

“作业日期和时间”中保存维护作业人员150在现场进行维护作业的日期和开始时间。“作业所用时间”内保存维护作业人员150在现场进行维护作业所需的时间。“作业人员”中保存用于对在现场进行维护作业的作业人员进行识别(标识)的识别符。

“目标设备ID”内保存用于对维护作业人员150在现场进行维护作业的处理目标的空调设备进行识别的识别符。

“异常原因”中保存与维护作业人员150藉由在现场实际检查空调设备而确定的异常原因有关的部件信息。“异常位置”内保存与维护作业人员150藉由在现场实际检查空调设备而确定的异常位置有关的部件信息。

“更换前部件”中保存与维护作业人员150藉由在现场实际检查空调设备而确定的更换或修理过的故障部件有关的部件信息(部件代码)。“更换后部件”内保存与维护作业人员150进行了更换的更换后的新部件有关的信息(部件代码)。

“维护工序指南”内保存用于对维护作业人员150确定了故障部件时所使用的维护工序指南进行识别的信息(例如，维护工序指南1等)。

“现场情况”中保存与维护作业人员150注意到的现场情况有关的信息。与现场状况有关的信息是指，例如，

·空调设备出现了异常声音

·空调设备的附近放置了物品

·现场的实际外气温度高于空调设备检测到的外气温度

等的从设备运行信息和/或设备现象信息中无法获知的信息。

＜维护作业辅助装置(学习阶段)的硬件结构＞

接下来，对构成维护作业辅助系统100的各装置的硬件结构进行说明。需要说明的是，这里作为代表仅对学习阶段的维护作业辅助装置160的硬件结构进行说明。

图7是维护作业辅助装置的硬件结构的一例的示意图。如图7所示，维护作业辅助装置160具有CPU(Central Processing Unit)701、ROM(Read Only Memory)702及RAM(Random Access Memory)703。CPU701、ROM702及RAM703可形成所谓的计算机。此外，维护作业辅助装置160还具有辅助存储装置704、显示装置705、操作装置706、I/F(Interface)装置707及驱动装置708。维护作业辅助装置160的各硬件可经由总线709相互连接。

CPU701是可对辅助存储装置704中安装的各种程序(例如，维护作业辅助程序(学习阶段)等)进行执行的计算装置。ROM702为非挥发性存储器。ROM702作为主存储装置而发挥功能，可对CPU701执行辅助存储装置704中安装的各种程序所需的各种程序、数据等进行保存。具体而言，ROM702可保存BIOS(Basic Input/Output System)、EFI(ExtensibleFirmware Interface)等的引导程序等。

RAM703为DRAM(Dynamic Random Access Memory)、SRAM(Static Random AccessMemory)等的挥发性存储器。RAM703作为主存储装置而发挥功能，可提供辅助存储装置704中安装的各种程序被CPU701执行时所展开的工作空间。

辅助存储装置704中可保存各种程序、执行各种程序时所使用的信息等。

显示装置705是对维护作业辅助装置160的内部状态进行显示的显示装置。操作装置706例如是用于使维护作业辅助装置160的管理者针对维护作业辅助装置160进行各种操作的操作装置。I/F装置707是用于通过与网络170连接而进行通信的通信装置。

驱动装置708是用于放入记录介质710的装置。这里所说的记录介质710包括CD－ROM、软盘及诸如光磁盘等的以光、电或磁的方式对信息进行记录的介质。此外，记录介质710还包括ROM、诸如闪存等的以电的方式对信息进行记录的半导体存储器等。

需要说明的是，就辅助存储装置704中安装的各种程序而言，例如，可藉由将所分发的记录介质710放入驱动装置708并由该驱动装置708读取出该记录介质710中记录的各种程序的方式而进行安装。或者，辅助存储装置704中安装的各种程序也可通过从网络170下载的方式而进行安装。

＜维护作业辅助装置的功能构成(学习阶段)＞

接着，对学习阶段的维护作业辅助装置160的功能构成进行说明。图8是第1实施方式的维护作业辅助装置中实现的学习阶段的功能的一例的示意图。如图8所示，维护作业辅助装置160具有学习用信息获取部161和学习部162。

学习用信息获取部161可获取学习部162进行机器学习时所使用的信息(学习用信息)。具体而言，学习用信息获取部161可从监视装置110的运行和现象信息保存部112中获取设备运行信息和设备现象信息。此外，学习用信息获取部161还可从维护用装置140的设备信息保存部143和设备使用者信息保存部144中获取设备信息和设备使用者信息。另外，学习用信息获取部161也可从维护用装置140的作业内容信息保存部147中获取作业内容信息。再有，学习用信息获取部161可将获取到的学习用信息通知给学习部162。

学习部162具有部件判定模型801以及比较和变更部802。学习部162通过将通知来的学习用信息中的设备运行信息、设备现象信息、设备信息及设备使用者信息输入部件判定模型801，可使部件判定模型801进行执行。据此，部件判定模型801可输出部件信息(部件代码)。

从部件判定模型801输出的部件信息(部件代码)可被输入比较和变更部802。比较和变更部802可对

·从部件判定模型801输出的部件信息(部件代码)

和

·从学习用信息获取部161通知来的部件信息(部件代码)(正解(ground truth)数据)

进行比较。据此，比较和变更部802根据比较结果可对部件判定模型801的模型参数进行变更。需要说明的是，从学习用信息获取部161通知来的部件信息是指，更换或修理过的故障部件(更换前部件)、或者、更换后的新部件(更换后部件)。

这样，学习部162就可对用于确定

·设备运行信息、设备现象信息、设备信息及设备使用者信息(数据组)

和

·部件信息(部件代码)的对应关系的部件判定模型801进行机器学习。据此，学习部162可生成用于判定部件信息(部件代码)的学习后部件判定模型。

需要说明的是，图8的示例中尽管示出了学习部162将设备运行信息、设备现象信息、设备信息及设备使用者信息输入部件判定模型801的情况，但也可仅将这些信息的一部分输入部件判定模型801。

例如，学习部162可对用于确定

·设备运行信息和设备信息(数据组)

与

·部件信息(部件代码)的对应关系的部件判定模型801、或者、用于确定

·设备现象信息和设备信息(数据组)

与

·部件信息(部件代码)的对应关系的部件判定模型801进行机器学习。据此，学习部162也可生成用于判定部件信息(部件代码)的学习后部件判定模型。

＜维护作业辅助系统(推理阶段)的系统构成＞

接下来，对推理阶段的维护作业辅助系统的系统构成进行说明。图9是维护作业辅助系统(推理阶段)的系统构成的一例的示意图。与学习阶段的维护作业辅助系统100(图1)不同的不同点在于：在推理阶段的维护作业辅助系统900的情况下，不具有学习阶段的维护作业辅助装置160；此外，在推理阶段的维护作业辅助系统900的情况下，除了监视装置110，还具有推理阶段的维护作业辅助装置910。

维护作业辅助装置910是对空调设备130＿1～130＿n进行监视并在发生了异常的情况下向维护用装置140发送维护指示的装置。

维护作业辅助装置910中安装有维护作业辅助程序(推理阶段)。维护作业辅助装置910通过执行该程序，可作为运行和现象信息获取部111、设备相关信息获取部911、推理部912及维护指示发送部114而发挥功能。

需要说明的是，由于已经通过参照图1对运行和现象信息获取部111以及维护指示发送部114进行了说明，所以这里省略其说明。

设备相关信息获取部911可从维护用装置140获取推理部912进行推理处理时所使用的信息(设备相关信息)。具体而言，设备相关信息获取部911可从维护用装置140的设备信息保存部143和设备使用者信息保存部144获取设备信息和设备使用者信息。此外，设备相关信息获取部911还可将获取到的设备相关信息(设备信息和设备使用者信息)通知给推理部912。

推理部912具有学习后部件判定模型，通过使学习后部件判定模型进行执行，可输出部件信息(部件代码)。推理部912通过进行

·运行和现象信息保存部112中保存的设备运行信息和设备现象信息

和

·从设备相关信息获取部911通知来的设备相关信息(设备信息和设备使用者信息)的输入，可使学习后部件模型进行执行。需要说明的是，在推理阶段，维护指示发送部114可将部件信息(部件代码)发送给维护用装置140。

＜推理部的功能构成的细节＞

接着，对推理阶段的维护作业辅助装置910的功能构成中的推理部912的功能构成的细节进行说明。图10是表示推理部的功能构成的细节的第1图。如图10所示，推理部912具有学习后部件判定模型1000。

推理部912可读取出运行和现象信息保存部112中保存的设备运行信息和设备现象信息。需要说明的是，推理部912读取出的设备运行信息和设备现象信息是与学习部162进行机器学习时所读取出的设备运行信息和设备现象信息不同的设备运行信息和设备现象信息(即，重新读取设备运行信息和设备现象信息)。

此外，推理部912还可获取从设备相关信息获取部911通知来的设备信息和设备使用者信息。

推理部912通过将读取出的设备运行信息和设备现象信息以及获取到的设备信息和设备使用者信息输入学习后部件判定模型1000，可使学习后部件判定模型1000进行执行。据此，学习后部件判定模型1000可进行部件信息(部件代码)的推理。

这样，藉由根据现在的设备运行信息和设备现象信息以及处理目标的空调设备的设备信息和设备使用者信息对部件信息(部件代码)进行推理，推理部912可推理出适当的部件信息(部件代码)。

需要说明的是，上述说明中，推理部912是将设备运行信息和设备现象信息以及设备信息和设备使用者信息输入了学习后部件判定模型1000。然而，在学习后部件判定模型1000是根据设备运行信息和设备信息而生成的情况下，推理部912可仅将设备运行信息和设备信息输入学习后部件判定模型1000。此外，在学习后部件判定模型1000是根据设备现象信息和设备信息而生成的情况下，推理部912可仅将设备现象信息和设备信息输入学习后部件判定模型1000。

另外，由推理部912推理出的部件信息(部件代码)为应更换或修理的部件、或者、更换后的新部件的部件信息(部件代码)。

＜维护作业辅助处理的流程＞

接下来，对学习阶段的维护作业辅助装置160和推理阶段的维护作业辅助装置910所进行的维护作业辅助处理的流程进行说明。图11是表示第1实施方式的维护作业辅助装置所进行的维护作业辅助处理的流程的流程图。

步骤S1101中，学习用信息获取部161获取设备运行信息和设备现象信息。

步骤S1102中，学习用信息获取部161获取作业内容信息。

步骤S1103中，学习部162通过将设备运行信息和设备现象信息输入部件判定模型801，使部件判定模型801进行执行。接着，学习部162采用使部件判定模型801所输出的部件信息(部件代码)接近学习用信息获取部161所获取的作业内容信息中包含的部件信息(部件代码)(正解数据)的方式对部件判定模型801进行机器学习。据此，学习部162可生成学习后部件判定模型。需要说明的是，所生成的学习后部件判定模型可被嵌入推理阶段的维护作业辅助装置910中。

步骤S1104中，推理部912获取作为目标设备的空调设备的设备运行信息和设备现象信息。

步骤S1105中，推理部912通过将获取到的设备运行信息和设备现象信息输入学习后部件判定模型801，使学习后部件判定模型801进行执行。据此，推理部912可对部件信息(部件代码)进行推理。

步骤S1106中，推理部912判断是否结束维护作业辅助处理。在步骤S1106中判定为继续进行维护作业辅助处理的情况下(步骤S1106中NO(否)的情况下)，返回步骤S1104。

另一方面，在步骤S1106中判定为结束维护作业辅助处理的情况下(步骤S1106中YES(是)的情况)，结束维护作业辅助处理。

需要说明的是，图11中示出了学习部162进行通过将设备运行信息和设备现象信息一起输入部件判定模型801从而变更模型参数的共同学习的情况。然而，学习部162也可进行通过将设备运行信息和设备现象信息按照预定的数量依次输入部件判定模型801从而变更模型参数的逐次学习。

＜总结＞

由上述说明可知，第1实施方式的维护作业辅助装置可将

·设备运行信息和设备信息(或者设备现象信息和设备信息)与部件信息(部件代码)相关联而进行学习，并且可

·根据学习的结果，从重新获取到的设备运行信息和设备信息(或者设备现象信息和设备信息)推理出部件信息(部件代码)。

据此，根据第1实施方式的维护作业辅助装置，当发生了异常时，能够推理出表示应更换或修理的故障部件或者更换后的新部件的部件信息(部件代码)。

这样，根据第1实施方式，维护作业人员出动前可确定部件信息(部件代码)，并可在出动之前做好进行更换或修理所需的准备，所以可减少出动次数。换言之，根据第1实施方式，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置、维护作业辅助方法及维护作业辅助程序。

[第2实施方式]

上述第1实施方式中，对将作业内容信息中的部件信息(部件代码)作为正解数据而进行机器学习的情况进行了说明。第2实施方式中，则对将作业内容信息中的维护工序指南信息作为正解数据而进行机器学习的情况进行说明。下面，以与上述第1实施方式不同的不同点为中心对第2实施方式进行说明

＜维护作业辅助装置的功能构成(学习阶段)＞

首先，对学习阶段的第2实施方式的维护作业辅助装置160的功能构成进行说明。图12是第2实施方式的维护作业辅助装置中实现的学习阶段的功能的一例的示意图。与图8不同的不同点在于，在图12的情况下，学习部162具有作业内容判定模型1201以及比较和变更部1202。学习部162通过将通知来的学习用信息中的设备运行信息、设备现象信息、设备信息及设备使用者信息输入作业内容判定模型1201，可使作业内容判定模型1201进行执行。据此，作业内容判定模型1201可输出维护工序指南信息。

由作业内容判定模型1201输出的维护工序指南信息可被输入比较和变更部1202。据此，比较和变更部1202可对

·由作业内容判定模型1201输出的维护工序指南信息

和

·从学习用信息获取部161通知来的维护工序指南信息(正解数据)

进行比较。这样，比较和变更部1202就可根据比较结果对作业内容判定模型1201的模型参数进行变更。

需要说明的是，从学习用信息获取部161通知来的维护工序指南信息是指，例如，诸如“维护工序指南1”那样，用于对维护工序指南进行确定的信息。或者，也可为维护工序指南中包含的作业流程(例如，作业流程500)。

这样，学习部162就可对用于确定

·设备运行信息、设备现象信息、设备信息及设备使用者信息(数据组)

与

·维护工序指南信息的对应关系的作业内容判定模型1201进行机器学习。据此，学习部162可生成用于判定维护工序指南信息的学习后作业内容判定模型。

需要说明的是，图12的示例中尽管示出了学习部162将设备运行信息、设备现象信息、设备信息及设备使用者信息输入作业内容判定模型1201的情况，但也可仅将这些信息的一部分输入作业内容判定模型1201。

例如，学习部162可对用于确定

·设备运行信息和设备信息(数据组)

与

·维护工序指南信息的对应关系的作业内容判定模型1201、或者、用于确定

·设备现象信息和设备信息(数据组)

与

·维护工序指南信息的对应关系的作业内容判定模型1201进行机器学习。据此，学习部162可生成用于判定维护工序指南信息的学习后作业内容判定模型。

＜推理部的功能构成的细节＞

接着，对推理阶段的维护作业辅助装置910的功能构成中的推理部的功能构成的细节进行说明。图13是表示推理部的功能构成的细节的第2图。与图10不同的不同点在于，在图13的情况下，推理部1310具有学习后作业内容判定模型1320。

推理部1310通过将读取出的设备运行信息和设备现象信息以及获取到的设备信息和设备使用者信息输入学习后作业内容判定模型1320，可使学习后作业内容判定模型1320进行执行。据此，学习后作业内容判定模型1320可进行维护工序指南信息的推理。

这样，藉由根据现在的设备运行信息和设备现象信息以及作为处理目标的空调设备的设备信息和设备使用者信息来进行维护工序指南信息的推理，推理部1310可推理出恰当的维护工序指南信息。

需要说明的是，上述说明中，推理部1310是将设备运行信息和设备现象信息以及设备信息和设备使用者信息输入了学习后作业内容判定模型1320。然而，在学习后作业内容判定模型1320是根据设备运行信息和设备信息而生成的情况下，推理部1310可仅将设备运行信息和设备信息输入学习后作业内容判定模型1320。此外，在学习后作业内容判定模型1320是根据设备现象信息和设备信息而生成的情况下，推理部1310可仅将设备现象信息和设备信息输入学习后作业内容判定模型1320。

另外，推理部1310推理出的维护工序指南信息是用于确定维护工序指南的信息或者是维护工序指南中包含的作业流程。

＜维护作业辅助处理的流程＞

接下来，对学习阶段的维护作业辅助装置160和推理阶段的维护作业辅助装置910所进行的维护作业辅助处理的流程进行说明。图14是表示第2实施方式的维护作业辅助装置所进行的维护作业辅助处理的流程的流程图。与图11所示的流程图不同的不同点在于步骤S1401、S1402。

步骤S1401中，学习部162通过将设备运行信息和设备现象信息输入作业内容判定模型1201，使作业内容判定模型1201进行执行。然后，学习部162采用以使作业内容判定模型1201所输出的维护工序指南信息与所获取的维护工序信息中包含的维护工序指南信息(正解数据)相接近的方式来对作业内容判定模型1201进行机器学习。据此，学习部162可生成学习后作业内容判定模型。需要说明的是，所生成的学习后作业内容判定模型可被嵌入推理阶段的维护作业辅助装置910中。

步骤S1402中，推理部912通过将获取到的设备运行信息和设备现象信息输入学习后作业内容判定模型1320，可使学习后作业内容判定模型1320进行执行。据此，推理部912可推理出表示维护作业人员150应执行的维护工序的维护工序指南信息。

＜总结＞

由上述说明可知，第2实施方式的维护作业辅助装置可通过将

·设备运行信息和设备信息(或者设备现象信息和设备信息)与作业工序信息相关联而进行学习，

并且可

·根据学习的结果，从重新获取的设备运行信息和设备信息(或者设备现象信息以及设备信息)推理出维护工序指南信息。

据此，根据第2实施方式的维护作业辅助装置，当发生了异常时，能够推理出表示维护作业人员应执行的维护工序的维护工序指南信息。

这样，根据第2实施方式，出动前可确定维护工序指南信息，并可在出动之前做好执行作业工序所需的准备，所以可减少维护作业人员的出动次数。换言之，根据第2实施方式，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置、维护作业辅助方法及维护作业辅助程序。

[第3实施方式]

上述第1实施方式中，对针对部件判定模型进行机器学习时使用正解数据进行机器学习的情况进行了说明。第3实施方式中，则对针对部件判定模型进行强化学习的情况进行说明。下面，以与上述第1实施方式不同的不同点为中心对第3实施方式进行说明。

＜维护作业辅助系统(强化学习阶段)的系统构成＞

首先，对维护作业辅助系统的系统构成进行说明。图15是维护作业辅助系统(强化学习阶段)的系统构成的一例的示意图。与图1不同的不同点在于维护作业辅助装置1500。

维护作业辅助装置1500中安装有维护作业辅助程序。通过执行该程序，维护作业辅助装置1500可作为运行和现象信息获取部111、强化学习部1510、维护指示发送部114、作业评价信息获取部1520及奖励计算部1530而发挥功能。

就运行和现象信息获取部111以及维护指示发送部114而言，由于在上述第1实施方式中已经通过使用图1对其进行了说明，所以这里省略其说明。

强化学习部1510可从运行和现象信息保存部112中读取出设备运行信息和设备现象信息，并对用于判定应更换或修理的部件或者更换后的新部件的模型进行强化学习。强化学习部1510采用以使从奖励计算部1530输出的奖励变为最大的方式进行强化学习。此外，强化学习部1510还可将通过进行强化学习而获取的部件信息(部件代码)发送给维护指示发送部114。

作业评价信息获取部1520可经由网络170从维护用装置140获取用于计算奖励的作业评价信息。作业评价信息是指，对针对处理目标的空调设备的维护作业的作业结果进行评价的信息。此外，作业评价信息获取部1520还可将获取到的作业评价信息通知给奖励计算部1530。

奖励计算部1530是计算部的一例，可根据作业评价信息来计算强化学习部1510进行强化学习时所使用的奖励。

＜强化学习部的功能构成的细节＞

接着，对强化学习部1510的功能构成的细节进行说明。图16是表示强化学习部的功能构成的细节的图。

如图16所示，强化学习部1510具有部件判定模型1600。强化学习部1510采用以使奖励计算部1530所计算的奖励变为最大的方式来对部件判定模型1600的模型参数进行变更。此外，强化学习部1510通过将从运行和现象信息保存部112中读取出的设备运行信息和设备现象信息以及设备信息和设备使用者信息输入至模型参数变更后的部件判定模型1600，可使部件判定模型1600进行执行。据此，部件判定模型1600可输出部件信息。

这样，强化学习部1510可采用以使根据依照前次的部件信息进行维护作业时的作业评价信息所计算出的奖励变为最大的方式来对部件判定模型1600进行强化学习。据此，强化学习部1510可输出适当的部件信息。

＜强化学习处理的流程＞

接着，对第3实施方式的维护作业辅助装置1500所进行的强化学习处理的流程进行说明。图17是表示第3实施方式的维护作业辅助装置所进行的强化学习处理的流程的流程图。

步骤S1701中，强化学习部1510获取设备运行信息和设备现象信息。

步骤S1702中，作业评价信息获取部1520获取作业评价信息。

步骤S1703中，奖励计算部1530根据作业评价信息计算奖励。

步骤S1704中，奖励计算部1530判定计算出的奖励是否大于等于预定的阈值。在步骤S1704中判定为计算出的奖励小于预定的阈值的情况下(步骤S1704中否的情况)，进入步骤S1705。

步骤S1705中，强化学习部1510采用以使计算出的奖励变为最大的方式对部件判定模型1600进行机器学习。

步骤S1706中，强化学习部1510通过将获取到的设备运行信息和设备现象信息输入部件判定模型1600，可使部件判定模型1600进行执行。据此，强化学习部1510可输出部件信息。

步骤S1701中，维护指示发送部114将部件信息发送给维护用装置140，并返回步骤S1701。

另一方面，在步骤S1704中判定为计算出的奖励大于等于预定的阈值的情况(步骤S1704中是的情况)下，结束强化学习处理。

＜总结＞

由上述说明可知，第3实施方式的维护作业辅助装置可

·根据作业评价信息对针对部件信息的奖励进行计算。此外，还能以使计算出的奖励变为最大的方式对部件判定模型进行强化学习，

并且可

·通过输入设备运行信息和设备现象信息，使进行了强化学习的部件判定模型进行执行，由此可输出部件信息(部件代码)。

据此，根据第3实施方式的维护作业辅助装置，当发生了异常时，能够输出表示应更换或修理的部件或者更换后的新部件的部件信息(部件代码)。

这样，根据第3实施方式，维护作业人员出动前可确定部件信息(部件代码)，并可在出动之前做好进行更换或修理所需的准备，所以可减少出动次数。换言之，根据第3实施方式，能够提供一种通过减少维护作业人员的出动次数从而可对维护作业进行辅助的维护作业辅助装置、维护作业辅助方法及维护作业辅助程序。

[其它实施方式]

上述第2实施方式中，对针对作业内容判定模型进行机器学习时使用正解数据进行机器学习的情况进行了说明。然而，机器学习的方法并不限定于此，即使就作业内容判定模型而言，也可与上述第3实施方式同样地构成为藉由强化学习来进行机器学习。

上述各实施方式中，尽管没有对进行机器学习时所使用的模型(部件判定模型和作业内容判定模型)的细节进行特别的言及，但进行机器学习时所使用的模型可采用任意类型的模型。具体而言，可使用NN(Neural Network)模型、随机森林模型、SVM(SupportVector Machine)模型等的任意类型的模型。

此外，上述第1和第2实施方式中，尽管没有对根据比较和变更部的比较结果来变更模型参数的情况下的变更方法的细节进行特别的言及，但就比较和变更部所进行的模型参数的变更方法而言，可依据模型的类型来进行适当选择。

另外，上述第3实施方式中，尽管没有对奖励计算部所进行的奖励的计算方法的细节进行特别的言及，但奖励计算部所进行的奖励的计算方法可采用任意的方法。

以上尽管对实施方式进行了说明，但只要不脱离权利要求书的主旨和范围，还可对其进行各种各样的变更和变形。

本申请主张基于2019年3月19日申请的日本国专利申请第2019－052019号的优先权，并以引用的方式将该日本国专利申请的内容全部援引于本申请。

[附图标记说明]

100：维护作业辅助系统

110：监视装置

120：工作站

130＿1～130＿n：空调设备

140：维护用装置

160：维护作业辅助装置

161：学习用信息获取部

162：学习部

200：设备运行信息

210：设备现象信息

400：设备信息

410：设备使用者信息

420：维护工序信息

600：作业内容信息

801：部件判定模型

802：比较和变更部

910：维护作业辅助装置

911：设备相关信息获取部

912：推理部

1000：学习后部件判定模型

1201：作业内容判定模型

1202：比较和变更部

1310：推理部

1320：学习后作业内容判定模型

1500：维护作业辅助装置

1510：强化学习部

1520：作业评价信息获取部

1530：奖励计算部

1600：部件判定模型