WO2024142592A1 - 異常検知方法、異常検知装置、および、プログラム - Google Patents

異常検知方法、異常検知装置、および、プログラム Download PDF

Info

Publication number
WO2024142592A1
WO2024142592A1 PCT/JP2023/039276 JP2023039276W WO2024142592A1 WO 2024142592 A1 WO2024142592 A1 WO 2024142592A1 JP 2023039276 W JP2023039276 W JP 2023039276W WO 2024142592 A1 WO2024142592 A1 WO 2024142592A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
state
time
residence
anomaly detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2023/039276
Other languages
English (en)
French (fr)
Inventor
智宏 織田
智之 芳賀
良浩 氏家
力哉 平石
雅哉 山本
智昭 筒井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Priority to CN202380088427.9A priority Critical patent/CN120419135A/zh
Priority to JP2024567251A priority patent/JPWO2024142592A1/ja
Priority to EP23911376.4A priority patent/EP4645765A4/en
Publication of WO2024142592A1 publication Critical patent/WO2024142592A1/ja
Priority to US19/246,149 priority patent/US20250369640A1/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/12—Arrangements for remote connection or disconnection of substations or of equipment thereof
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/49—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring ensuring correct operation, e.g. by trial operation or configuration checks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
    • F24F2130/10—Weather information or forecasts
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house

Definitions

  • the present invention provides an anomaly detection method that can detect anomalies based on the actual environment inside and outside the home and the state of the equipment.
  • An anomaly detection method executed by an anomaly detection device which acquires a learning model generated by machine learning that discriminates anomalies in an appliance using, as input, for each of a plurality of first times, first presence/absence information indicating the presence or absence of a person in the residence at the first time, first environmental information including at least first time information indicating the first time, and first status information indicating the status of the appliance at the first time, and the learning model receives a notification indicating that the status of the appliance at the residence has changed, and acquires second environmental information including at least second presence/absence information indicating the presence or absence of a person in the residence at a second time when the notification is received and second time information indicating the second time, and inputs second status information indicating the status of the appliance after the change indicated in the notification and the acquired second environmental information into the learning model, thereby executing a detection process to detect an anomaly in the appliance.
  • the anomaly detection device can detect anomalies depending on the actual environment inside and outside the residence and the status of the appliance.
  • the anomaly detection method which calculates representative environmental information that is representative of the first environmental information, a first difference between the first state information and the first environmental information at the specific time, and a second difference between the representative state information and the representative environmental information, and the fourth state information and the fourth environmental information at the fourth time, (a) if the first difference is smaller than the second difference, generates the control information using the state indicated in the first state information at the specific time as the normal state, and (b) if the first difference is larger than the second difference, generates the control information using the state indicated in the fourth state information as the normal state.
  • the anomaly detection device can easily change the appliance in which an anomaly has been detected to a normal state by transmitting control information in both cases where the first environmental information and the fourth environmental information at a specific time match and where they do not match. Specifically, when the first environmental information and the fourth environmental information at a specific time match, the appliance can easily change to a normal state by changing the appliance state to the state at the time of receiving the notification. Furthermore, when the first environmental information and the fourth environmental information at a specific time do not match, the appliance can easily change to a normal state by changing the appliance state to a state relatively close to the state at the time of receiving the notification. In this way, the anomaly detection device can easily change the appliance to a normal state after detecting an anomaly according to the actual environment inside and outside the home and the appliance state.
  • the abnormality detection device detects the above change as an abnormality and immediately turns the lighting device off, the user may be surrounded by darkness, causing inconvenience to the user.
  • the anomaly detection device can detect anomalies based on the actual environment inside and outside the home and the state of the equipment, and then change the equipment to a normal state while avoiding causing inconvenience to the user.
  • the anomaly detection device when the anomaly detection device receives a request from a terminal to change the state of the device, it can detect an anomaly in the terminal by determining the presence or absence of an anomaly in the device using a learning model with environmental information and state information of the device after the change related to the request as input.
  • the anomaly detection device can detect an anomaly in the terminal according to the actual environment inside and outside the home and the state of the device.
  • the system 1 includes an anomaly detection device 10, a router 20, an air conditioner 22, and a terminal 24.
  • the anomaly detection device 10, the router 20, the air conditioner 22, and the terminal 24 are placed in a residence and are communicatively connected via a network 30.
  • Network 30 is a network within a residence.
  • the communication standard of network 30 may be any type, and may be a wired LAN (Local Area Network) communication standard (such as Ethernet (registered trademark)) or a wireless LAN communication standard (such as Wi-Fi (registered trademark)).
  • wired LAN Local Area Network
  • Wi-Fi registered trademark
  • Air conditioner 22 is an air conditioner, which is an example of equipment (facility equipment or home appliances, etc.) installed in a residence. Note that other equipment installed in the residence, specifically lighting equipment, hot water equipment, electric shutters, electric locks, etc., can also be used as air conditioner 22. Below, supplementary explanations may be given about cases where air conditioner 22 is other equipment.
  • the air conditioner 22 when the air conditioner 22 receives a request to change the state of the air conditioner 22 (also called a state change request) via the network 30, the air conditioner 22 changes its state in accordance with the state change request.
  • the state change request is transmitted by the terminal 24, for example.
  • the air conditioner 22 When the state of the air conditioner 22 changes, it transmits to the anomaly detection device 10 a state notification including information indicating that the state has changed and the state after the change. Furthermore, the air conditioner 22 can repeatedly transmit a state notification including its current state to the anomaly detection device 10 regardless of whether the state has changed. A state notification including its current state does not include information indicating that the state has changed. The air conditioner 22 can repeatedly transmit a state notification including its current state periodically (for example, every hour), and can also transmit a state notification in response to a request transmitted from the anomaly detection device 10. Note that a state notification transmitted by the air conditioner 22 when the state has changed is also referred to as a state change notification. A state change notification is a state notification that includes information indicating that the state of the air conditioner 22 has changed.
  • a legitimate request is a request to legitimately change the state of the air conditioner 22.
  • a legitimate request is a state change request sent based on a user operating the terminal 24 with the intention of changing the state of the air conditioner 22. For example, a request to change the air conditioner 22 to cooling mode with the intention of lowering the temperature in a room of the residence during the hot summer months while the user is inside the residence is a legitimate request.
  • An unauthorized request is a request to unauthorizedly change the state of the air conditioner 22.
  • An unauthorized request may be a request sent by unauthorized software (such as a computer virus) installed on the terminal 24.
  • An unauthorized request by unauthorized software may be made, for example, with the purpose of causing damage (physical damage or monetary damage, etc.) or discomfort or inconvenience to the user.
  • a request to change the air conditioner 22 to heating mode during the hot summer months when no one is present in the residence may be an unauthorized request.
  • the state of the air conditioner 22 changed by an unauthorized request may be an abnormal state that is subject to detection by the anomaly detection device 10.
  • Fraudulent requests may also be made via the operation reception unit of the air conditioner 22.
  • a request to change the operation mode of the air conditioner 22 by a child unintentionally touching the operation reception unit can be considered a fraudulent request because it is contrary to the user's intention.
  • the terminal 24 is an information processing terminal connected to the network 30.
  • the terminal 24 is, for example, a smartphone, a tablet terminal, or a personal computer.
  • the terminal 24 has an OS (Operating System) and software that runs on the OS, and operates based on the operation of the software.
  • the terminal 24 can send a state change request that changes the state of the air conditioner 22 to the air conditioner 22 via the network 30.
  • the terminal 24 may send a state change request that includes an unauthorized request to the air conditioner 22 based on control by the unauthorized software.
  • the configuration of the anomaly detection device 10 will be explained below.
  • the communication IF 11 is a communication interface device communicatively connected to the network 30.
  • the communication IF 11 receives a communication frame including a status notification from the air conditioner 22, it provides the status notification included in the communication frame to the acquisition unit 12.
  • the communication IF 11 includes notification information indicating an abnormality in the air conditioner 22, which is provided by the post-processing unit 15, in a communication frame conforming to the communication standard of the network 30 and transmits the same to the network 30.
  • the second environmental information may further include second temperature information indicating the temperature at the residence at the second time, and second weather information indicating the weather at the location of the residence.
  • the memory unit 13 is a storage device that stores information.
  • the memory unit 13 is a volatile or non-volatile storage device that uses a magnetic disk or semiconductor memory, and specifically, can be realized by a RAM (Random Access Memory), a HDD (Hard Disk Drive), an SSD (Solid State Drive), etc.
  • the memory unit 13 stores a state table 131, rule information 132, and a learning model 133.
  • the status table 131 is information that includes status information of the air conditioner 22 at multiple times in the past from the present time.
  • the status table 131 will be explained in detail later.
  • Rule information 132 is rule information that indicates the normal state of the air conditioner 22. Rule information 132 will be explained in detail later.
  • the learning model 133 is a learning model that determines an abnormality in the air conditioner 22 using as input, for each of a plurality of past times (corresponding to a first time), presence/absence information (corresponding to first presence/absence information) indicating the presence or absence of people in the residence at the first time, environmental information (corresponding to first environmental information) including at least time information (corresponding to first time information) indicating the first time, and status information (corresponding to first status information) indicating the status of the equipment at the first time, and is a learning model generated by machine learning.
  • Examples of the plurality of past times include, but are not limited to, several hundred to several thousand times included in a predetermined period (a period having a length of one year or more).
  • the first environmental information may further include, for each of a plurality of first times, first temperature information indicating the temperature at the residence at that first time, and first weather information indicating the weather at the location of the residence at that first time.
  • Machine learning is performed, for example, by clustering. That is, in machine learning, by clustering the first environmental information (more specifically, the first presence/absence information and first time information, etc., included in the first environmental information) and the first status information at multiple first times, the relationship between the first environmental information and the first status information is found, and the first environmental information and the first status information when the air conditioner 22 is in an abnormal state (or in a normal state) are grouped.
  • An example of a clustering technique is the k-means method.
  • the k-means method is a technique for classifying the target information into a given number of clusters using the average of the clusters.
  • the generation of the learning model 133 may be performed by the detection unit 14 or by another information processing device.
  • the detection unit 14 obtains the learning model 133 by reading it from the detection unit 14.
  • the detection unit 14 executes a detection process to detect an abnormality in the air conditioner 22 by inputting into the learning model 133 the status information (corresponding to the second status information) indicating the status of the air conditioner 22 after the change indicated in the status change notification acquired by the acquisition unit 12 and the second environmental information acquired by the acquisition unit 12.
  • the recovery process is a process for changing the air conditioner 22 to a normal state (in other words, returning it to normal) when the detection unit 14 detects an abnormality in the air conditioner 22.
  • the post-processing unit 15 generates control information for returning the air conditioner 22 to a normal state and transmits the generated control information to the air conditioner 22 via the communication IF 11.
  • the post-processing unit 15 when transmitting the control information to the air conditioner 22, the post-processing unit 15 generates a communication frame including the control information and transmits the generated communication frame to the air conditioner 22 via the communication IF 11.
  • the control information may be, for example, control information for changing the operating state of the air conditioner 22 to a cooling mode when the air conditioner 22 is operating in a heating mode due to a request to change the air conditioner 22 to the heating mode during the hot summer months. It is assumed that the air conditioner 22 that receives the communication frame changes its operating state to the cooling mode in accordance with the control information.
  • the control information may be control information that changes the air conditioner 22 to a normal state after waiting for a standby time.
  • the post-processing unit 15 when transmitting the control information to the air conditioner 22, the post-processing unit 15 generates a communication frame including information indicating the standby time and control information, and transmits the generated communication frame to the air conditioner 22 via the communication IF 11. It is assumed that the air conditioner 22 that receives the communication frame waits for the standby time from the time the communication frame is received, and after this standby, changes the operating state to cooling mode in accordance with the control information.
  • the standby time may be, for example, about 5 to 10 minutes, but is not limited to this.
  • the post-processing unit 15 can decide not to execute the restoration process (in other words, suppress its execution) if, for example, executing the restoration process is likely to cause relatively great damage to the user. For example, if an electric shutter, which is an example of a device, is in a normal state when closed and the electric shutter changes to an open state as an abnormal state, closing the electric shutter through the restoration process may cause the electric shutter to collide with a person or object, causing damage.
  • the state of the water heating device is stopped before 23:00:01 on August 10, 2022, and is in the heating state at 23:00:20 on the same day. This corresponds to the case where the changed state indicated in the state change notification received from the water heating device at 23:00:20 on the same day is "heating."
  • FIG. 4 a data space having an X1 axis and an X2 axis is shown.
  • the X1 axis and the X2 axis correspond to the status information and the environmental information of the air conditioner 22.
  • a two-dimensional data space is expressed using two axes in FIG. 4, but in reality, a multidimensional data space can be expressed using more axes.
  • the air conditioner 22 operates normally for a relatively long period of time and operates abnormally for a relatively short period of time. This is because, when the air conditioner 22 starts to operate abnormally, the user will notice the abnormal operation and take measures to change the settings of the air conditioner 22, stop the operation of the air conditioner 22, and operate normally (for example, by restoring the settings to the factory settings or by repairing it), and the air conditioner 22 will often resume normal operation. Also, if the abnormality in the operation of the air conditioner 22 is serious, the air conditioner 22 will be unable to continue operating and will stop. Therefore, as described above, the group to which the majority of the multiple points (for example, about 90% or more) belong will be the group that corresponds to the normal state of the air conditioner 22.
  • step S104 the detection unit 14 uses the status notification, i.e., the status change notification, received in step S101 to execute processing for detecting an abnormality in the air conditioner 22.
  • the detailed processing included in step S104 will be described in detail later.
  • step S106 the post-processing unit 15 executes post-processing.
  • the detailed processing included in step S106 will be explained in detail later.
  • step S111 the detection unit 14 acquires the learning model 133 and also acquires the rule information 132.
  • step S113 the detection unit 14 acquires environmental information.
  • the environmental information acquired at this time corresponds to the environmental information at the time when the status notification, i.e., the status change notification, was received in step S101.
  • step S114 the detection unit 14 executes an abnormality detection process using the rule information 132 (see FIG. 5). For example, if the time to execute step S114 is August and the changed state included in the state change notification received in step S101 is "heating mode," the detection unit 14 determines that rule #1 is not met and detects an abnormality in the air conditioner 22.
  • step S115 the detection unit 14 executes anomaly detection using the learning model 133.
  • the detection unit 14 detects anomalies in the air conditioner 22 by inputting the changed state information included in the state change notification received in step S101 and the environmental information acquired in step S113 to the learning model 133. More specifically, when a point corresponding to the changed state information and the environmental information is plotted in the data space of FIG. 4, the detection unit 14 determines whether the point is located inside the frame 40 (i.e., belongs to a group corresponding to a normal state) or outside the frame 40 (i.e., does not belong to a group corresponding to a normal state). Then, when the detection unit 14 determines that the point is located outside the frame 40, it detects anomalies in the air conditioner 22. Note that when the point is located on the frame 40, it may be determined that the point is located inside or outside the frame 40. After step S115 is completed, the series of processes shown in FIG. 7 is terminated.
  • FIG. 8 is a third flow diagram showing the processing of the anomaly detection device 10 in this embodiment.
  • the flow diagram shown in FIG. 8 shows detailed processing included in step S106 in FIG. 6.
  • step S121 the post-processing unit 15 determines the content of the processing to be performed as the post-processing. Specifically, the post-processing unit 15 determines whether or not to perform a recovery process to return the air conditioner 22 to a normal state. The post-processing unit 15 also determines whether or not to perform a notification process to notify the user's terminal.
  • step S123 the post-processing unit 15 generates control information to be used in the recovery process and transmits the generated control information to the user's terminal.
  • the post-processing unit 15 can, for example, generate control information that changes (in other words, returns) the state of the air conditioner 22 to the state before the state change notification was received.
  • the post-processing unit 15 obtains state information (corresponding to third state information) that indicates the state of the air conditioner 22 at the time (corresponding to the third time) before the state change notification was received, and generates control information using the state indicated in the third state information as the normal state.
  • the terminal 24 changes the state of the air conditioner 22 by sending a state change request to the air conditioner 22 via the server 5.
  • FIG. 10 is a block diagram showing the functions of the anomaly detection device 10A in this embodiment.
  • the communication IF 11A is a communication interface device communicatively connected to the network N.
  • the communication IF 11A receives a communication frame including a status change request from the terminal 24, it provides the status change request included in the communication frame to the acquisition unit 12A.
  • the communication IF 11A transmits notification information indicating an abnormality in the air conditioner 22 provided by the post-processing unit 15A to the network N by including it in a communication frame conforming to the communication standard of the network N.
  • the abnormality detection device 10A can use the communication IF provided in the server 5 as the communication IF 11A. In this case, it can also be expressed as the abnormality detection device 10A not being provided with the communication IF 11A, but using the communication IF provided in the server 5 as the communication IF 11A.
  • the detection unit 14A performs detection processing using at least the learning model 133, and may also perform detection processing using the rule information 132.
  • the detection unit 14A can detect an abnormality in the terminal 24 by inputting, into the learning model 133, state information (corresponding to the fifth state information) indicating the state of the air conditioner 22 after the change related to the state change request acquired by the acquisition unit 12A and the environmental information (fifth environmental information) acquired by the acquisition unit 12A. Details of the detection processing using the learning model 133 and the detection processing using the rule information 132 are the same as the processing executed by the detection unit 14 in the first embodiment, and therefore will not be described.
  • step S223 the detection unit 14A acquires environmental information.
  • the acquired environmental information corresponds to the environmental information at the time when the state change request was received in step S201.
  • step S224 the detection unit 14A executes anomaly detection processing using the rule information 132 (see FIG. 5).
  • the anomaly detection processing using the rule information 132 is similar to step S113 (see FIG. 7) in the first embodiment.
  • step S225 the detection unit 14A executes anomaly detection processing using the learning model 133.
  • the anomaly detection processing using the learning model 133 is similar to step S114 (see FIG. 7) in the first embodiment.
  • the anomaly detection device 10A of this embodiment can detect an anomaly in the terminal 24 that is attempting to change the state of the equipment, depending on the actual environment inside and outside the home and the state of the equipment.
  • each component may be configured with dedicated hardware, or may be realized by executing a software program suitable for each component. Specifically, each component may be realized by being integrated into a home automation controller. Each component may be realized by a program execution unit such as a CPU or processor reading and executing a software program recorded on a recording medium such as a hard disk or semiconductor memory.
  • the software that realizes the anomaly detection device of each of the above embodiments is a program such as the following.

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Alarm Systems (AREA)
  • Selective Calling Equipment (AREA)

Abstract

異常検知方法は、複数の第一時刻それぞれについて、当該第一時刻における住居の人の在不在を示す第一在不在情報と、当該第一時刻を示す第一時刻情報とを少なくとも含む第一環境情報と、当該第一時刻における機器の状態を示す第一状態情報とを入力として、機器の異常を判別する学習モデルであって、機械学習により生成された学習モデルを取得し（Ｓ１１１）、住居における機器の状態が変化したことを示す通知を受信し、かつ、通知を受信した第二時刻における住居における人の在不在を示す第二在不在情報と、第二時刻を示す第二時刻情報とを少なくとも含む第二環境情報を取得し（Ｓ１１２）、通知に示される変化後の機器の状態を示す第二状態情報と、取得した第二環境情報とを学習モデルに入力することで、機器の異常を検知するための検知処理を実行する（Ｓ１１５）。

Description

異常検知方法、異常検知装置、および、プログラム
　本発明は、異常検知方法、異常検知装置、および、プログラムに関する。
　各設備機器とホームサーバ等の宅内集中管理用制御手段とを接続し、情報の漏れまたは不正アクセス等に対して安全性を有する住宅機器遠隔監視サービス提供システムがある（特許文献１参照）。
特開２００９－１４１７２５号公報
　しかしながら、機器の異常検知において、機器の使用時における住居内外の環境および機器の状態を考慮することができないという問題がある。
　そこで、本発明は、実際の住居内外の環境および機器の状態に応じて異常を検知することができる異常検知方法等を提供する。
　本発明の一態様に係る異常検知方法は、異常検知装置が実行する異常検知方法であって、複数の第一時刻それぞれについて、当該第一時刻における住居の人の在不在を示す第一在不在情報と、当該第一時刻を示す第一時刻情報とを少なくとも含む第一環境情報と、当該第一時刻における機器の状態を示す第一状態情報とを入力として、前記機器の異常の有無を判別する学習モデルであって、機械学習により生成された学習モデルを取得し、前記住居における前記機器の状態が変化したことを示す通知を受信し、かつ、前記通知を受信した第二時刻における前記住居における人の在不在を示す第二在不在情報と、前記第二時刻を示す第二時刻情報とを少なくとも含む第二環境情報を取得し、前記通知に示される変化後の前記機器の状態を示す第二状態情報と、取得した前記第二環境情報とを前記学習モデルに入力することで、前記機器の異常を検知するための検知処理を実行する異常検知方法である。
　なお、これらの包括的または具体的な態様は、システム、装置、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、装置、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
　本発明の異常検知方法は、実際の住居内外の環境および機器の状態に応じて異常を検知することができる。
実施の形態１における異常検知装置を含むシステムを示す模式図である。 実施の形態１における異常検知装置の機能を示すブロック図である。 実施の形態１における状態テーブルの例を示す説明図である。 実施の形態１におけるクラスタリングの概念を示す説明図である。 実施の形態１におけるルール情報の例を示す説明図である。 実施の形態１における異常検知装置の処理を示す第一のフロー図である。 実施の形態１における異常検知装置の処理を示す第二のフロー図である。 実施の形態１における異常検知装置の処理を示す第三のフロー図である。 実施の形態２における異常検知装置を含むシステムを示す模式図である。 実施の形態２における異常検知装置の機能を示すブロック図である。 実施の形態２における異常検知装置の処理を示す第一のフロー図である。 実施の形態２における異常検知装置の処理を示す第二のフロー図である。
　（本発明の基礎となった知見）
　本発明者は、「背景技術」の欄において記載した、異常の検知の技術に関し、以下の問題が生じることを見出した。
　特許文献１に記載された住宅機器遠隔監視サービス提供システムでは、ホームサーバがインターネットに設けられた仮想的専用回線を通じてセンター側管理サーバと接続されている。センター側管理サーバは、仮想的専用回線を通じてホームサーバを介して設備機器の遠隔監視および管理を行うので、情報の漏れまたは不正アクセスを抑制できる。設備機器の遠隔監視および管理には、例えば、設備機器の異常検知が含まれる。
　ところで、複数の住居それぞれで使用される機器（設備機器または家電機器など）は、住居ごとに使用時の動作状態（単に状態ともいう）が異なる。機器の状態は、当該住居の居住者の体質または生活態様等に応じて調整されるからである。
　例えば、住居の居住者が暑がりの体質である場合には、その住居の空気調和機は、年間のうち冷房モードで使用される期間が比較的長いことがあり、また、冷房の設定温度が低めに設定されることがある。また、例えば、住居の居住者が、夜から朝にかけての時間帯に活動することが多い生活態様（いわゆる夜型の生活態様）である場合には、夜から朝にかけての時間帯に空気調和機または照明装置などが動作している時間が比較的長いことがある。
　そのため、住居で使用される機器の異常を検知するには、当該住居の居住者の体質、または、生活態様を考慮して、機器の異常の有無を判定することが有用であることがある。
　そこで、本発明は、実際の住居内外の環境および機器の状態に応じて異常を検知することができる異常検知方法等を提供する。
　以下、本明細書の開示内容から得られる発明を例示し、その発明から得られる効果等を説明する。
　（１）異常検知装置が実行する異常検知方法であって、複数の第一時刻それぞれについて、当該第一時刻における住居の人の在不在を示す第一在不在情報と、当該第一時刻を示す第一時刻情報とを少なくとも含む第一環境情報と、当該第一時刻における機器の状態を示す第一状態情報とを入力として、前記機器の異常を判別する学習モデルであって、機械学習により生成された学習モデルを取得し、前記住居における前記機器の状態が変化したことを示す通知を受信し、かつ、前記通知を受信した第二時刻における前記住居における人の在不在を示す第二在不在情報と、前記第二時刻を示す第二時刻情報とを少なくとも含む第二環境情報を取得し、前記通知に示される変化後の前記機器の状態を示す第二状態情報と、取得した前記第二環境情報とを前記学習モデルに入力することで、前記機器の異常を検知するための検知処理を実行する、異常検知方法。
　上記態様によれば、異常検知装置は、住居における在不在情報と時刻情報とを少なくとも含む環境情報と、機器の状態情報とを入力として、学習モデルを用いて機器の異常を判別することによって、機器の異常を検知することができる。学習モデルは、実際の住居の環境情報と機器の状態情報とを用いた機械学習により生成された学習モデルであるので、機器の状態が、その住居における機器の実際の通常の使用状態と異なるか否かに応じて、機器の異常の有無を判別できる可能性がある。その住居における機器の実際の通常の使用状態は、居住者の体質または生活態様等に応じて異なるので、機器が実際に使用される前に予め設定されることは難しく、また、他の機器（例えば他の住居の機器）の使用状態とは一般に異なる。そのため、その住居における機器の実際の使用状態を用いた機械学習により生成された学習モデルを用いることで、その住居（または、その住居の居住者）に固有の機器の使用状態を考慮した、機器の異常の有無を判別できる可能性がある。このように、異常検知装置は、実際の住居内外の環境および機器の状態に応じて異常を検知することができる。
　（２）前記検知処理において、前記機器の異常を検知した場合には、前記機器を正常な状態に変化させる制御情報を生成し、生成した前記制御情報を前記機器に送信する、（１）に記載の異常検知方法。
　上記態様によれば、異常検知装置は、制御情報を送信することによって、自律的に、異常が検知された機器を正常な状態に変化させることができる。このように、異常検知装置は、実際の住居内外の環境および機器の状態に応じて異常を検知したうえで、機器を正常な状態に変化させることができる。
　（３）前記異常検知方法は、さらに、前記通知を受信する前の第三時刻における前記機器の状態を示す第三状態情報を取得し、前記制御情報を生成する際には、前記第三状態情報に示される前記状態を前記正常な状態として用いて、前記制御情報を生成する、（２）に記載の異常検知方法。
　上記態様によれば、異常検知装置は、異常が検知された機器の状態をその状態変化前の状態に変化させることで、容易に、機器を正常な状態に変化させることができる。このように、異常検知装置は、実際の住居内外の環境および機器の状態に応じて異常を検知したうえで、容易に、機器を正常な状態に変化させることができる。
　（４）前記制御情報を生成する際には、（１）複数の第一時刻のうち、当該第一時刻における前記第一環境情報と、前記通知を受信した第四時刻における第四環境情報との差異が最も小さい前記第一時刻である特定時刻における前記第一環境情報と、前記第四環境情報とが一致している場合には、前記特定時刻における前記第一状態情報に示される前記状態を前記正常な状態として用いて、前記制御情報を生成し、（２）前記特定時刻における前記第一環境情報と、前記第四環境情報とが一致していない場合には、前記複数の第一時刻における前記第一状態情報の代表である代表状態情報、および、前記複数の第一時刻における前記第一環境情報の代表である代表環境情報と、前記特定時刻における前記第一状態情報および前記第一環境情報との第一差異と、前記代表状態情報および前記代表環境情報と、前記第四時刻における第四状態情報および前記第四環境情報との第二差異とを算出し、（ａ）前記第一差異が前記第二差異より小さい場合には、前記特定時刻における前記第一状態情報に示される前記状態を前記正常な状態として用いて、前記制御情報を生成し、（ｂ）前記第一差異が前記第二差異より大きい場合には、前記第四状態情報に示される前記状態を前記正常な状態として用いて、前記制御情報を生成する、（２）に記載の異常検知方法。
　上記態様によれば、異常検知装置は、特定時刻における第一環境情報と第四環境情報とが一致している場合、および、一致していない場合のそれぞれにおいて、制御情報を送信することによって、容易に、異常が検知された機器を正常な状態に変化させることができる。具体的には、特定時刻における第一環境情報と第四環境情報とが一致している場合には、機器の状態を通知受信時の状態に変化させることで、容易に、機器を正常な状態に変化させることができる。また、特定時刻における第一環境情報と第四環境情報とが一致していない場合には、機器の状態を、通知受信時の状態に比較的近い状態に変化させることで、容易に、機器を正常な状態に変化させることができる。このように、異常検知装置は、実際の住居内外の環境および機器の状態に応じて異常を検知したうえで、容易に、機器を正常な状態に変化させることができる。
　（５）前記制御情報は、前記機器を待機時間だけ待機させた後で正常な状態に変化させる制御情報である、（２）～（４）のいずれかに記載の異常検知方法。
　上記態様によれば、異常検知装置は、制御情報の送信によって、異常が検知された機器を正常な状態に変化させるまでに、待機時間を設けることができる。機器の異常を検知した場合にすぐに機器を正常な状態に変化させると、ユーザにとって不便が生ずることがあるので、そのような場合にユーザに不便が生ずることを回避できることがある。例えば、通常、夜間に照明装置がオン状態に変化することがない住居において、夜間に照明装置がユーザによる操作によってオン状態に変化した場合が想定される。この場合、夜間における照明装置の正常な状態はオフ状態であり、夜間に照明装置がオン状態に変化したことは異常と検知され得る。このとき、異常検知装置が上記変化を異常と検知して、すぐに照明装置をオフ状態にすると、ユーザの周囲が暗闇になり、ユーザに不便が生ずることがある。この場合、上記態様によれば、異常検知装置が上記変化を異常と検知してから待機時間を経過後に照明装置をオフ状態にすることで、ユーザに不便が生ずることを回避できることがある。よって、異常検知装置は、実際の住居内外の環境および機器の状態に応じて異常を検知したうえで、ユーザに不便が生ずることを回避しながら、機器を正常な状態に変化させることができる。
　（６）前記異常検知方法は、さらに、前記第二時刻における前記機器の正常な状態を示すルール情報を取得し、前記第二状態情報が、前記ルール情報に適合するか否かを判定し、前記第二状態情報が前記ルール情報に適合しないと判定した場合に、前記機器の異常を検知する、（１）～（５）のいずれかに記載の異常検知方法。
　上記態様によれば、異常検知装置は、さらに、ルール情報を用いて機器が正常な状態にあるか否かを判定することを通じて、機器の異常を検知することができる。ルール情報は、機器の一般的な使用状態に基づいて定められ得るので、ルール情報を用いた異常の検知では、機器が一般的な使用状態と異なる状態になっているか否かに応じて異常を検知することができる。異常検知装置は、学習モデルを用いた、その住居に固有の機器の使用状態に基づく異常の検知とともに、ルール情報を用いた、一般的な機器の使用状態に基づく異常の検知を行うことで、より適切に機器の異常の検知を行うことができる。このように、異常検知装置は、実際の住居内外の環境および機器の状態に応じて、より適切に異常を検知することができる。
　（７）前記第一環境情報は、さらに、複数の第一時刻それぞれについて、当該第一時刻における前記住居における温度を示す第一温度情報と、当該第一時刻における前記住居の位置における天気を示す第一天気情報とを含み、前記第二環境情報は、さらに、前記第二時刻における、前記住居における温度を示す第二温度情報と、前記住居の位置における天気を示す第二天気情報とを含む、（１）～（６）のいずれかに記載の異常検知方法。
　上記態様によれば、異常検知装置は、さらに住居における温度および天気を環境情報として用いることで、より適切に、機器の異常を検知することができる。
　（８）前記機器の異常を検知した場合には、前記機器の異常を示す情報を、前記住居の居住者が保有する端末に送信する、（１）～（７）のいずれかに記載の異常検知方法。
　上記態様によれば、異常検知装置は、機器の異常を検知した場合に、機器の異常を検知したことを居住者に通知することができる。よって、異常検知装置は、実際の住居内外の環境および機器の状態に応じて異常を検知したうえで、その異常を居住者に通知することができる。
　（９）前記異常検知方法は、さらに、前記住居における前記機器の状態を変化させる要求を端末から受信した第五時刻における、前記住居における人の在不在を示す第五在不在情報と、前記第五時刻を示す第五時刻情報とを取得し、前記要求に係る前記機器の変化後の状態を示す第五状態情報と、取得した前記第五在不在情報および前記第五時刻情報とを前記学習モデルに入力することで、前記端末の異常を検知するための検知処理を実行する、（１）～（８）のいずれかに記載の異常検知方法。
　上記態様によれば、異常検知装置は、機器の状態を変化させる要求を端末から受信した場合に、環境情報と、その要求に係る変化後の機器の状態情報とを入力として学習モデルを用いて機器の異常の有無を判別することを通じて、端末の異常を検知することができる。よって、異常検知装置は、実際の住居内外の環境および機器の状態に応じて、端末の異常を検知することができる。
　（１０）複数の第一時刻それぞれについて、当該第一時刻における住居の人の在不在を示す第一在不在情報と、当該第一時刻を示す第一時刻情報とを少なくとも含む第一環境情報と、当該第一時刻における機器の状態を示す第一状態情報とを入力として、前記機器の異常を判別する学習モデルであって、機械学習により生成された学習モデルを取得する検知部と、前記住居における前記機器の状態が変化したことを示す通知を受信し、かつ、前記通知を受信した第二時刻における前記住居における人の在不在を示す第二在不在情報と、前記第二時刻を示す第二時刻情報とを少なくとも含む第二環境情報を取得する取得部とを備え、前記検知部は、さらに、前記通知に示される変化後の前記機器の状態を示す第二状態情報と、取得した前記第二環境情報とを前記学習モデルに入力することで、前記機器の異常を検知するための検知処理を実行する、異常検知装置。
　上記態様によれば、上記異常検知方法と同様の効果を奏する。
　（１１）（１）に記載の異常検知方法をコンピュータに実行させるプログラム。
　上記態様によれば、上記異常検知方法と同様の効果を奏する。
　なお、これらの包括的または具体的な態様は、システム、装置、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、装置、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。
　以下、実施の形態について、図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　本実施の形態において、実際の住居内外の環境および機器の状態に応じて異常を検知する異常検知装置などについて説明する。
　図１は、本実施の形態における異常検知装置１０を含むシステム１を示す模式図である。
　図１に示されるように、システム１は、異常検知装置１０と、ルータ２０と、空気調和機２２と、端末２４とを備える。異常検知装置１０と、ルータ２０と、空気調和機２２と、端末２４とは、住居内に配置され、ネットワーク３０により通信可能に接続されている。
　ネットワーク３０は、住居内のネットワークである。ネットワーク３０の通信規格は、どのようなものであってもよく、有線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）の通信規格（例えばイーサネット（登録商標）等）であってもよいし、無線ＬＡＮの通信規格（例えばＷｉ－Ｆｉ（登録商標）等）であってもよい。
　異常検知装置１０は、空気調和機２２の異常を検知する情報処理装置である。異常検知装置１０は、コンピュータにより実現され得る。異常検知装置１０は、空気調和機２２の状態を示す状態情報を空気調和機２２から受信し、受信した状態情報を用いて空気調和機２２の異常を検知することができる。異常検知装置１０の詳細な動作は、後で詳しく説明される。
　ルータ２０は、ネットワーク３０と、住居外のネットワークＮを接続する通信装置である。ルータ２０は、ネットワークＮを介して接続されている装置を宛先とする通信フレームをネットワーク３０から受信した場合には、その通信フレームをネットワークＮへ転送し、また、ネットワーク３０に接続されている装置を宛先とする通信フレームをネットワークＮから受信した場合には、その通信フレームをネットワーク３０へ転送する。なお、ルータ２０に代えて、または、ルータ２０とともに、他の通信装置（例えば、ブリッジ、リピータまたはメディア変換器等）が用いられてもよい。
　空気調和機２２は、住居に設置されている機器（設備機器または家電機器等）の例である空気調和機である。なお、空気調和機２２として、住居に設置されている他の機器、具体的には、照明装置、給湯装置、電動シャッターまたは電気錠などを用いることもできる。以降では、空気調和機２２が他の機器である場合について補足的に説明することがある。
　空気調和機２２は、住居内の温度または湿度を調整する機器である。空気調和機２２は、動作状態として、冷房モード、除湿モードおよび暖房モードを少なくとも有する。なお、空気調和機２２は、動作状態として、さらに送風モード等を有していてもよい。空気調和機２２が冷房モード、除湿モードまたは暖房モードで動作する場合、目標温度が設定され得る。空気調和機２２は、空気調和機２２が設置された部屋の温度を目標温度に近づけるように動作し、目標温度に十分に近づいたら目標温度を維持するように動作する。
　空気調和機２２は、空気調和機２２に設けられている操作受付部（不図示）を介してユーザによる操作を受け付けた場合に、その操作に従って動作する。操作受付部は、空気調和機２２の本体またはリモコンに設けられていてよい。ユーザは、例えば住居の居住者であるがこれに限られない。
　また、空気調和機２２は、空気調和機２２の状態を変化させる要求（状態変化要求ともいう）をネットワーク３０を通じて受信した場合に、その状態変化要求に従って状態を変化させる。状態変化要求は、例えば、端末２４により送信される。
　空気調和機２２は、状態が変化した場合に、状態が変化したことを示す情報と、その変化後の状態を含む状態通知を異常検知装置１０に送信する。また、空気調和機２２は、状態の変化の有無にかかわらず、現時点の状態を含む状態通知を繰り返し異常検知装置１０に送信することができる。現時点の状態を含む状態通知は、状態が変化したことを示す情報を含まない。空気調和機２２は、現時点の状態を含む状態通知を、周期的（例えば１時間ごと）に繰り返し送信することができ、また、異常検知装置１０から送信された要求に応じて送信することができる。なお、空気調和機２２が、状態が変化した場合に送信する状態通知を状態変化通知ともいう。状態変化通知は、空気調和機２２の状態が変化したことを示す情報を含む状態通知である。
　状態変化要求には、正規の要求と、不正の要求とがあり得る。
　正規の要求は、空気調和機２２の状態を正規に変化させる要求である。正規の要求は、ユーザが空気調和機２２の状態を変化させる意図で端末２４を操作したことに基づいて送信された状態変化要求である。例えば、夏の暑い時期であって、ユーザが住居内に存在しているときに、住居の部屋の温度を低下させる意図で、空気調和機２２を冷房モードに変化させる要求は、正規の要求である。
　不正の要求は、空気調和機２２の状態を不正に変化させる要求である。不正の要求は、端末２４にインストールされている不正なソフトウェア（いわゆるコンピュータウィルス等）等が送信した要求であり得る。不正なソフトウェアによる不正な要求は、例えば、ユーザに損害（物理的損害もしくは金銭的損害等）または不快感を与えたり、不便にさせたりする目的でなされ得る。例えば、夏の暑い時期であって、住居内に人が存在しないときに、空気調和機２２を暖房モードに変化させる要求は、不正の要求であり得る。不正の要求によって変化された空気調和機２２の状態が、異常検知装置１０による検知の対象である異常な状態であり得る。
　また、不正の要求は、空気調和機２２の操作受付部を介して行われることもありうる。例えば、子供が意図せず操作受付部に触れることで空気調和機２２の運転モードが変更される要求は、ユーザの意図と異なるため不正の要求とみなすことができる。
　なお、機器が照明装置である場合には、例えば、日中から夕方の時間帯に、ユーザが存在している部屋の照明装置を点灯状態に変化させる要求は、正規の要求である。また、例えば、深夜の時間帯に、ユーザが存在していない部屋の照明装置を点灯状態に変化させる要求は、不正の要求であり得る。
　端末２４は、ネットワーク３０に接続されている情報処理端末である。端末２４は、例えば、スマートフォン、タブレット端末またはパーソナルコンピュータなどである。端末２４は、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）と、ＯＳ上で動作するソフトウェアとを有し、ソフトウェアの動作に基づいて、動作する。端末２４は、空気調和機２２の状態を変化させる状態変化要求をネットワーク３０を通じて空気調和機２２に送信することができる。特に、端末２４に不正なソフトウェアがインストールされている場合には、不正なソフトウェアによる制御に基づいて、端末２４は、不正の要求を含む状態変化要求を空気調和機２２に送信することがある。
　以降において、異常検知装置１０の構成を説明する。
　図２は、本実施の形態における異常検知装置１０の機能を示すブロック図である。
　図２に示されるように、異常検知装置１０は、通信ＩＦ１１と、取得部１２と、記憶部１３と、検知部１４と、後処理部１５とを備える。取得部１２と、検知部１４と、後処理部１５とは、異常検知装置１０が備えるプロセッサ（例えばＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ））（不図示）がメモリ（不図示）を用いてプログラムを実行することで実現される。
　通信ＩＦ１１は、ネットワーク３０に通信可能に接続される通信インタフェース装置である。通信ＩＦ１１は、状態通知を含む通信フレームを空気調和機２２から受信した場合に、その通信フレームに含まれている状態通知を取得部１２に提供する。また、通信ＩＦ１１は、後処理部１５から提供される、空気調和機２２の異常を示す通知情報を、ネットワーク３０の通信規格に従う通信フレームに含めてネットワーク３０に送信する。
　取得部１２は、空気調和機２２が送信した状態通知と、住居における環境情報とを取得する。
　取得部１２は、取得した状態通知が状態変化通知である場合に、その状態変化通知に含まれる空気調和機２２の状態を状態テーブル１３１に格納する。また、取得部１２は、空気調和機２２から状態変化通知を受信した時刻（第二時刻に相当）における住居における人の在不在を示す在不在情報（第二在不在情報に相当）と、第二時刻を示す時刻情報（第二時刻情報に相当）とを少なくとも含む環境情報（第二環境情報に相当）を取得する。
　取得部１２は、例えば、住居に設置されている人感センサ（不図示）による感知結果（例えば、人の存在または不存在、もしくは、存在する人の人数）を、在不在情報として取得することができる。また、取得部１２は、通信ＩＦ１１がネットワーク３０から受信する通信フレームを監視し、ネットワーク３０に接続されている端末（スマートフォンまたはパーソナルコンピュータ）が送信するブロードキャストフレームを受信した場合に、その端末の所有者が住居内に存在すると推定することで、在不在情報を取得することができる。ブロードキャストフレームは、例えば、ＡＲＰ（Ａｄｄｒｅｓｓ　Ｒｅｓｏｌｕｔｉｏｎ　Ｐｒｏｔｏｃｏｌ）、ＤＨＣＰ（Ｄｙｎａｍｉｃ　Ｈｏｓｔ　Ｃｏｎｆｉｇｕｒａｔｉｏｎ　Ｐｒｏｔｏｃｏｌ）、ＵＰｎＰ（Ｕｎｉｖｅｒｓａｌ　Ｐｌｕｇ＆Ｐｌａｙ）、ｍＤＮＳ（ｍｕｌｔｉｃａｓｔ　Ｄｏｍａｉｎ　Ｎａｍｅ　Ｓｙｓｔｅｍ）、または、ＮｅｔＢＩＯＳなどのプロトコルで用いられるブロードキャストフレーム（例えば、ＡＲＰ　Ｒｅｑｕｅｓｔ、または、ＤＨＣＰ　ＤｉｓｃｏｖｅｒもしくはＲｅｑｕｅｓｔ等）であり得る。
　第二環境情報は、さらに、第二時刻における、住居における温度を示す第二温度情報と、住居の位置における天気を示す第二天気情報とを含んでいてもよい。
　取得部１２は、例えば、住居に設置されている温度センサ（不図示）による感知結果を、温度情報として取得することができる。また、取得部１２は、例えば、住居の位置における天気を示す天気情報を配信するサーバ（不図示）からネットワークＮおよび３０を通じて、天気情報を取得することができる。
　記憶部１３は、情報を記憶する記憶装置である。記憶部１３は、磁気ディスクまたは半導体メモリを用いた、揮発性または不揮発性の記憶装置であり、具体的には、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等で実現され得る。記憶部１３には、状態テーブル１３１とルール情報１３２と学習モデル１３３とが格納される。
　状態テーブル１３１は、現時点より過去の複数の時刻における空気調和機２２の状態情報を含む情報である。状態テーブル１３１については後で詳しく説明する。
　ルール情報１３２は、空気調和機２２の正常な状態を示すルール情報である。ルール情報１３２については後で詳しく説明する。
　学習モデル１３３は、過去の複数の時刻（第一時刻に相当）それぞれについて、当該第一時刻における住居の人の在不在を示す在不在情報（第一在不在情報に相当）と、当該第一時刻を示す時刻情報（第一時刻情報に相当）とを少なくとも含む環境情報（第一環境情報に相当）と、当該第一時刻における機器の状態を示す状態情報（第一状態情報に相当）とを入力として、空気調和機２２の異常を判別する学習モデルであって、機械学習により生成された学習モデルである。過去の複数の時刻の例は、所定の期間（１年以上の時間長を有する期間）に含まれる数百～数千の時刻であるが、これに限られない。
　第一環境情報は、さらに、複数の第一時刻それぞれについて、当該第一時刻における住居における温度を示す第一温度情報と、当該第一時刻における住居の位置における天気を示す第一天気情報とを含んでいてもよい。
　機械学習は、例えば、クラスタリングによりなされる。すなわち、機械学習において、複数の第一時刻における第一環境情報（より具体的には、第一環境情報に含まれる第一在不在情報および第一時刻情報等）と第一状態情報とを対象としたクラスタリングにより、第一環境情報と第一状態情報との関係を見出すことで、空気調和機２２が異常な状態である（または、正常な状態である）ときの第一環境情報と第一状態情報とをグループ分けする。クラスタリング技術には、例えばｋ－ｍｅａｎｓ法がある。ｋ－ｍｅａｎｓ法は、対象である情報を、クラスタの平均を用いて、与えられた個数のクラスタに分類する手法である。
　学習モデル１３３の生成（つまり、機械学習における学習処理）は、検知部１４によりなされてもよいし、他の情報処理装置によりなされてもよい。
　検知部１４は、空気調和機２２の異常を検知する検知処理を実行する。検知部１４は、少なくとも学習モデル１３３を用いた検知処理を行う。また、検知部１４は、さらにルール情報１３２を用いた検知処理を行ってもよい。
　検知部１４は、学習モデル１３３を用いた検知処理において、学習モデル１３３を検知部１４から読み出すことで取得する。
　そして、検知部１４は、取得部１２が取得した状態変化通知に示される変化後の空気調和機２２の状態を示す状態情報（第二状態情報に相当）と、取得部１２が取得した第二環境情報とを学習モデル１３３に入力することで、空気調和機２２の異常を検知するための検知処理を実行する。
　より具体的には、検知部１４は、第二環境情報（より具体的には、第二環境情報に含まれる第二在不在情報および第二時刻情報等）と第二状態情報とが、クラスタリングによりグループ化された、正常な状態に対応するグループに属さないことを判定した場合に、空気調和機２２が異常であると検知することができる。なお、クラスタリングにより、異常な状態に対応するグループのグループ化が行われた場合には、空気調和機２２は、第二環境情報と第二状態情報とが、クラスタリングによりグループ化された、異常な状態に対応するグループに属することを判定した場合に、空気調和機２２が異常であると検知することができる。
　ルール情報１３２を用いた検知処理において、検知部１４は、ルール情報１３２を取得する。ルール情報１３２は、第二時刻における空気調和機２２の正常な状態を示すルール情報である。そして、検知部１４は、第二状態情報が、ルール情報１３２に適合するか否かを判定し、第二状態情報がルール情報１３２に適合しないと判定した場合に、空気調和機２２の異常を検知する。
　なお、ルール情報１３２は、第二時刻における空気調和機２２の異常な状態を示すルール情報であってもよい。その場合、検知部１４は、第二状態情報が、ルール情報１３２に適合するか否かを判定し、第二状態情報がルール情報１３２に適合すると判定したことを、空気調和機２２の異常として検知する。
　なお、検知部１４は、学習モデル１３３を用いた検知処理と、ルール情報１３２を用いた検知処理とを行い、少なくとも一方の検知処理で異常を検知した場合に、空気調和機２２に異常があることを検知することができる。
　後処理部１５は、検知部１４による検知の結果に応じて処理を実行する。後処理部１５は、上記処理として、復帰処理および通知処理それぞれを実行するか否かを決定する。後処理部１５は、復帰処理を実行すると決定した場合には、その決定に従って復帰処理を実行し、また、通知処理を実行すると決定した場合には、その決定に従って通知処理を実行する。
　復帰処理は、検知部１４が空気調和機２２の異常を検知した場合に、空気調和機２２を正常な状態に変化させる（言い換えれば復帰させる）処理である。後処理部１５は、復帰処理において、空気調和機２２を正常な状態に復帰させる制御情報を生成し、生成した制御情報を通信ＩＦ１１を介して空気調和機２２に送信する。この場合、後処理部１５は、制御情報を空気調和機２２に送信する際には、制御情報を含む通信フレームを生成し、生成した通信フレームを通信ＩＦ１１を介して空気調和機２２に送信する。制御情報は、例えば、夏の暑い時期に空気調和機２２を暖房モードに変化させる要求によって空気調和機２２が暖房モードで動作している場合に、空気調和機２２の動作状態を、冷房モードに変更する制御情報であり得る。上記通信フレームを受信した空気調和機２２は、上記制御情報に従って、動作状態を冷房モードに変更することが想定される。
　制御情報は、空気調和機２２を待機時間だけ待機させた後で正常な状態に変化させる制御情報であってもよい。この場合、後処理部１５は、制御情報を空気調和機２２に送信する際には、待機時間を示す情報と制御情報とを含む通信フレームを生成し、生成した通信フレームを通信ＩＦ１１を介して空気調和機２２に送信する。上記通信フレームを受信した空気調和機２２は、通信フレームを受信した時刻から上記待機時間だけ待機し、その待機後に、上記制御情報に従って、動作状態を冷房モードに変更することが想定される。なお、待機時間は、例えば、５分～１０分程度とすることができるがこれに限定されない。
　また、通知処理は、検知部１４が空気調和機２２の異常を検知した場合に、その結果を示す情報をユーザに通知する処理である。後処理部１５は、通知処理において、空気調和機２２の異常を示す情報を、ユーザが保有する端末に送信することができる。この場合、後処理部１５は、空気調和機２２の異常を示す通知情報を通信ＩＦ１１を介して、ユーザが保有する端末に送信する。上記通知情報を受信した端末は、通知情報を画面に表示する、または、音声で出力することで、ユーザに提示することが想定される。
　なお、後処理部１５は、復帰処理を実行するか否かを決定するときには、例えば、復帰処理を実行することによってユーザに比較的大きな損害を与える可能性がある場合に、復帰処理を実行しない（言い換えれば実行を抑制する）と決定することができる。例えば、機器の例である電動シャッターが閉まっている状態が正常な状態である場合に、異常な状態として電動シャッターが開いた状態に変化したときに、復帰処理によって電動シャッターを閉めると、電動シャッターが人または物に衝突して損害が発生する可能性がある。
　また、通知処理を実行するか否かを決定するときには、例えば、検知部１４が異常を検知した対象である機器の状態が、ユーザに与える影響が比較的大きい場合に、通知処理を実行すると決定する。例えば、夏の暑い時期に、異常な状態として空気調和機２２が暖房モードに変化したとき、または、暖房モードの設定温度が３０℃に変化したときに、ユーザに与える影響が比較的大きいといえる。
　図３は、本実施の形態における状態テーブル１３１の例を示す説明図である。
　図３に示される状態テーブル１３１は、記憶部１３に格納されている状態テーブル１３１の一例である。
　図３に示される状態テーブル１３１は、時刻情報と、空気調和機２２の状態を示す情報とを含む。ここでは、機器の例として、空気調和機２２のほかに、照明装置および給湯装置がある場合を説明する。
　例えば、空気調和機２２の状態は、２０２２年８月１０日１４時０分１１秒には除湿モードであり、同日の１４時０分２０秒以降には冷房モードであることが示されている。これは、同日の１４時０分１１秒に空気調和機２２から受信した状態変化通知に示される、変化後の状態が「除湿モード」であり、かつ、同日の１４時０分２０秒に空気調和機２２から受信した状態変化通知に示される、変化後の状態が「冷房モード」であった場合に対応している。なお、空気調和機２２の状態情報として、さらに目標温度を示す情報が含まれていてもよい。
　照明装置の状態は、２０２２年８月１０日１３時０分１秒には消灯状態であり、同日の１４時０分３秒以降には点灯状態である。これは、同日の１４時０分３秒に照明装置から受信した状態変化通知に示される、変化後の状態が点灯状態であった場合に対応している。なお、照明装置の状態情報として、さらに明るさまたは色温度などを示す情報が含まれていてもよい。
　給湯装置の状態は、２０２２年８月１０日２３時０分１秒以前には停止状態であり、同日の２３時０分２０秒には沸き上げ状態である。これは、同日の２３時０分２０秒に給湯装置から受信した状態変化通知に示される、変化後の状態が「沸き上げ」であった場合に対応している。
　図４は、本実施の形態におけるクラスタリングの概念を示す説明図である。
　図４において、Ｘ１軸およびＸ２軸を有するデータ空間が示されている。Ｘ１軸およびＸ２軸は、空気調和機２２の状態情報および環境情報に対応している。図４では、説明の便宜上、２つの軸を用いて２次元のデータ空間が表現されているが、実際には、より多くの軸を用いて多次元のデータ空間が表現され得る。
　図４において、学習モデル１３３の生成に用いられる、複数の時点における状態情報と環境情報とのセットに対応する複数の点が、データ空間上にプロットされている。
　学習モデル１３３が生成される際には、プロットされた複数の点の大多数（例えば９０％程度以上）が属するグループが生成される。図４において、グループの境界が枠４０として示されている。枠４０の内部に位置する点（例えば点４１）が、上記グループに含まれる点に対応しており、枠４０の外部に位置する点（例えば点４２）が、上記グループに含まれない点に対応している。
　このように生成されたグループが、正常な状態情報と環境情報とのセットが属するグループであり、空気調和機２２の正常な状態に対応するグループである。
　一般に、空気調和機２２は、正常な動作をしている時間が比較的長く、異常な動作をしている時間が比較的短い。その理由は、空気調和機２２が異常な動作をし始めると、その異常な動作にユーザが気づいて空気調和機２２の設定を変更したり、空気調和機２２の動作を停止して正常な動作をする（例えば、工場出荷時の設定に戻す、または、修理をする等）ように対策をしたりすることで、空気調和機２２が、正常な動作をするようになることが多いからである。また、空気調和機２２の動作の異常が深刻なものである場合には、空気調和機２２が動作を継続できずに停止してしまうからである。そのため、上記のように、複数の点の大多数（例えば９０％程度以上）が属するグループが、空気調和機２２の正常な状態に対応するグループになる。
　検知部１４が学習モデル１３３を用いて空気調和機２２の異常を検知する際には、取得した空気調和機２２の状態情報および環境情報が、正常な状態に対応するグループに属するか否かを判定し、上記グループに属さない場合に、空気調和機２２の異常を検知する。
　なお、上記の空気調和機２２の正常な状態に対応するグループを除くグループを、空気調和機２２の異常な状態に対応するグループとして生成することもできる。この場合、検知部１４が学習モデル１３３を用いて空気調和機２２の異常を検知する際には、取得した空気調和機２２の状態情報および環境情報が、異常な状態に対応するグループに属するか否かを判定し、上記グループに属する場合に、空気調和機２２の異常を検知する。
　図５は、本実施の形態におけるルール情報１３２の例を示す説明図である。
　図５に示されるルール情報１３２は、空気調和機２２の正常な状態を示すルールが示されている。具体的には、図５に示されるルール情報１３２は、２つのルールを含んでいる。
　ルール＃１は、暖房モードが使用される時期についてのルールであり、具体的には、１月～５月および１１月～１２月における空気調和機２２の正常な状態が暖房モードであることを示すルールである。
　ルール＃２は、冷房モードまたは除湿モードが使用される時期についてのルールであり、具体的には、６月～１０月における空気調和機２２の正常な状態が冷房モードまたは除湿モードであることを示すルールである。
　検知部１４がルール情報１３２を用いて空気調和機２２の異常を検知する際には、取得した空気調和機２２の状態が各ルールに適合するか否かを判定し、適合しない場合に、空気調和機２２の異常を検知する。
　図６は、本実施の形態における異常検知装置１０の処理を示す第一のフロー図である。
　ステップＳ１０１において、取得部１２は、状態通知を受信したか否かを判定する。状態通知を受信した場合（ステップＳ１０１でＹｅｓ）には、ステップＳ１０２に進み、そうでない場合（ステップＳ１０１でＮｏ）には、ステップＳ１０１を再び実行する。つまり、取得部１２は、状態通知を受信するまでステップＳ１０１で待機状態をとる。
　ステップＳ１０２において、取得部１２は、ステップＳ１０１で受信した状態通知が状態変化通知であるか否かを判定する。状態通知が状態変化通知であると判定した場合（ステップＳ１０２でＹｅｓ）には、ステップＳ１０３に進み、そうでない場合（ステップＳ１０２でＮｏ）には、ステップＳ１０１を再び実行する。
　ステップＳ１０３において、取得部１２は、ステップＳ１０２で受信した状態通知つまり状態変化通知を用いて状態テーブル１３１を更新する。
　ステップＳ１０４において、検知部１４は、ステップＳ１０１で受信した状態通知つまり状態変化通知を用いて、空気調和機２２の異常検知のための処理を実行する。ステップＳ１０４に含まれる詳細な処理は後で詳しく説明する。
　ステップＳ１０５において、後処理部１５は、ステップＳ１０４で検知部１４が異常を検知したか否かを判定する。検知部１４が異常を検知したと判定した場合（ステップＳ１０５でＹｅｓ）には、ステップＳ１０６に進み、そうでない場合（ステップＳ１０５でＮｏ）には、図６に示される一連の処理を終了する。
　ステップＳ１０６において、後処理部１５は、後処理を実行する。ステップＳ１０６に含まれる詳細な処理は後で詳しく説明する。
　図７は、本実施の形態における異常検知装置１０の処理を示す第二のフロー図である。図７に示されるフロー図は、図６のステップＳ１０４に含まれる詳細な処理を示している。
　ステップＳ１１１において、検知部１４は、学習モデル１３３を取得し、また、ルール情報１３２を取得する。
　ステップＳ１１２において、検知部１４は、ステップＳ１０１で受信した状態通知つまり状態変化通知が、異常検知の対象の機器（単に対象機器ともいう）の状態変化通知であるか否かを判定する。対象機器は、居住者などによって予め設定された対象機器であり得る。上記状態通知が対象機器の状態変化通知であると判定した場合（ステップＳ１１２でＹｅｓ）には、ステップＳ１１３に進み、そうでない場合（ステップＳ１１２でＮｏ）には、図７に示される一連の処理を終了する。
　ステップＳ１１３において、検知部１４は、環境情報を取得する。このときに取得する環境情報は、ステップＳ１０１で状態通知つまり状態変化通知を受信した時刻における環境情報に相当する。
　ステップＳ１１４において、検知部１４は、ルール情報１３２（図５参照）を用いた異常検知処理を実行する。例えば、検知部１４は、ステップＳ１１４を実行する時期が８月であり、ステップＳ１０１で受信した状態変化通知に含まれる変化後の状態が「暖房モード」である場合には、ルール＃１に適合しないと判定し、空気調和機２２の異常を検知する。
　ステップＳ１１５において、検知部１４は、学習モデル１３３を用いた異常検知を実行する。検知部１４は、ステップＳ１０１で受信した状態変化通知に含まれる変化後の状態情報と、ステップＳ１１３で取得した環境情報とを学習モデル１３３に入力することで、空気調和機２２の異常を検知する。より具体的には、検知部１４は、上記の変化後の状態情報と環境情報とに対応する点を図４のデータ空間にプロットした場合に、上記点が枠４０の内部に位置する（つまり、正常な状態に対応するグループに属する）か、または、外部に位置する（つまり、正常な状態に対応するグループに属さない）かを判定する。そして、検知部１４は、上記点が枠４０の外部に位置すると判定した場合に、空気調和機２２の異常を検知する。なお、上記点が枠４０上に位置している場合には、枠４０の内部に位置していると判定してもよく、外部に位置していると判定してもよい。ステップＳ１１５を終えたら図７に示される一連の処理を終了する。
　図８は、本実施の形態における異常検知装置１０の処理を示す第三のフロー図である。図８に示されるフロー図は、図６のステップＳ１０６に含まれる詳細な処理を示している。
　ステップＳ１２１において、後処理部１５は、後処理として行う処理の内容を決定する。具体的には、後処理部１５は、空気調和機２２を正常な状態に復帰させる復帰処理をするか否かを決定する。また、後処理部１５は、ユーザの端末に通知をする通知処理をするか否かを決定する。
　ステップＳ１２２において、後処理部１５は、ステップＳ１２１で決定した処理の内容に、復帰処理が含まれているか否かを判定する。処理の内容に復帰処理が含まれていると判定した場合（ステップＳ１２２でＹｅｓ）にはステップＳ１２３に進み、そうでない場合（ステップＳ１２２でＮｏ）には、ステップＳ１２５に進む。
　ステップＳ１２３において、後処理部１５は、復帰処理に用いられる制御情報を生成し、生成した制御情報をユーザの端末に送信する。
　後処理部１５は、例えば、空気調和機２２の状態を、状態変化通知を受信する前の状態に変化させる（言い換えれば、戻す）制御情報を生成することができる。この場合、後処理部１５は、状態変化通知を受信する前の時刻（第三時刻に相当）における空気調和機２２の状態を示す状態情報（第三状態情報に相当）を取得し、第三状態情報に示される状態を正常な状態として用いて、制御情報を生成する。
　また、後処理部１５は、例えば、空気調和機２２の状態を、複数の第一時刻のうち環境情報が通知受信時の状態に比較的近い時刻の状態に変化させる制御情報を生成することができる。通知受信時の時刻を第四時刻ともいい、第四時刻における状態情報および環境情報をそれぞれ、第四状態情報および第四環境情報ともいう。この場合、後処理部１５は、複数の第一時刻のうち、当該第一時刻における第一環境情報と第四環境情報との差異が最も小さい第一時刻を特定する。特定した時刻を特定時刻ともいう。後処理部１５は、特定時刻における第一環境情報と、第四環境情報とが一致している場合には、特定時刻における第一状態情報に示される状態を正常な状態として用いて制御情報を生成する。
　一方、後処理部１５は、特定時刻における第一環境情報と、第四環境情報とが一致していない場合には、複数の第一時刻における第一状態情報の代表である代表状態情報、および、複数の第一時刻における第一環境情報の代表である代表環境情報と、特定時刻における第一状態情報および第一環境情報との第一差異と、代表状態情報および代表環境情報と、第四状態情報および第四環境情報との第二差異とを算出する。そして、（ａ）第一差異が第二差異より小さい場合には、特定時刻における第一状態情報に示される状態を正常な状態として用いて、制御情報を生成する。また、（ｂ）第一差異が第二差異より大きい場合には、第四状態情報に示される状態を正常な状態として用いて、制御情報を生成する。
　ステップＳ１２４において、後処理部１５は、ステップＳ１２３で制御情報を送信した結果、空気調和機２２が復帰処理を実行したことを確認する。例えば、後処理部１５は、空気調和機２２が復帰処理を実行した結果として状態を変化させたことを示す状態変化通知を通信ＩＦ１１を介して受信するまで待機し、上記状態変化通知を受信したと判定した場合に、空気調和機２２が復帰処理を実行したことを確認する。なお、この場合、後処理部１５が上記状態変化通知を所定時間経過しても受信しない場合には、制御情報を再送信してもよい。また、後処理部１５は、空気調和機２２が復帰処理を実行したことを確認したこと、または、制御情報を再送信したことを示す通知情報をユーザの端末に送信してもよい。なお、ステップＳ１２４は、実行されなくてもよい。
　ステップＳ１２５において、後処理部１５は、ステップＳ１２１で決定した処理の内容に、通知処理が含まれているか否かを判定する。処理の内容に通知処理が含まれていると判定した場合（ステップＳ１２５でＹｅｓ）にはステップＳ１２６に進み、そうでない場合（ステップＳ１２５でＮｏ）には、図８に示される一連の処理を終了する。
　ステップＳ１２６において、後処理部１５は、処理の内容をユーザの端末に通知する（言い換えれば、処理の内容を含む通知情報をユーザの端末に送信する）。ステップＳ１２６を終えたら、図８に示される一連の処理を終了する。
　以上のようにして、本実施の形態の異常検知装置１０は、実際の住居内外の環境および機器の状態に応じて異常を検知することができる。
　（実施の形態２）
　本実施の形態において、実際の住居内外の環境および機器の状態に応じて異常を検知する異常検知装置などについて、上記実施の形態とは異なる形態を説明する。本実施の形態の異常検知装置は、空気調和機の状態を変化させようとする端末の異常を検知することができる。
　図９は、本実施の形態における異常検知装置１０Ａを含むシステム１Ａを示す模式図である。
　図９に示されるように、システム１Ａは、サーバ５と、ルータ２０と、空気調和機２２と、端末２４とを備える。サーバ５と、ルータ２０と、空気調和機２２と、端末２４とは、ネットワークＮおよび３０により通信可能に接続されている。異常検知装置１０Ａは、サーバ５の一機能として、サーバ５に備えられている。
　本実施の形態のシステム１Ａは、実施の形態１のシステム１に対して、サーバ５を備えている点と、端末２４がネットワークＮを介してサーバ５に接続されることが想定される点とが主に異なる。上記点について説明する。
　サーバ５は、空気調和機２２の状態を管理しているコンピュータであるサーバ装置である。サーバ５は、ネットワークＮおよび３０を介して空気調和機２２に通信可能に接続されている。サーバ５は、空気調和機２２の状態を変化させる要求（状態変化要求ともいう）を端末２４から受信すると、その状態変化要求をネットワークＮおよび３０を介して空気調和機２２に送信し、空気調和機２２の状態を変化させる。
　このように、システム１Ａにおいて、端末２４は、サーバ５を介して状態変化要求を空気調和機２２に送信することで、空気調和機２２の状態を変化させる。
　端末２４は、ネットワークＮに接続され、ネットワークＮを介してサーバ５と通信することができる。また、端末２４は、ネットワーク３０に接続されることも可能であり、その場合には、ネットワーク３０およびＮを介してサーバ５と通信することができる。端末２４が一時に接続できるネットワークは、ネットワーク３０とネットワークＮとのいずれか一方である。
　異常検知装置１０Ａは、端末２４が送信してサーバ５が受信する状態変化要求を取得し、その状態変化要求により変化させようとする対象である空気調和機２２の、その変化後の状態（単に変化後の状態ともいう）が異常であるか否かを判定することで、端末２４の異常を検知することができる。
　図１０は、本実施の形態における異常検知装置１０Ａの機能を示すブロック図である。
　図１０に示されるように、異常検知装置１０Ａは、通信ＩＦ１１Ａと、取得部１２Ａと、記憶部１３と、検知部１４Ａと、後処理部１５Ａとを備える。取得部１２Ａと、検知部１４Ａと、後処理部１５Ａとは、異常検知装置１０Ａが備えるプロセッサ（例えばＣＰＵ）（不図示）がメモリ（不図示）を用いてプログラムを実行することで実現される。なお、記憶部１３は、実施の形態１の記憶部１３と同様であるので説明を省略する。
　通信ＩＦ１１Ａは、ネットワークＮに通信可能に接続される通信インタフェース装置である。通信ＩＦ１１Ａは、状態変化要求を含む通信フレームを端末２４から受信した場合に、その通信フレームに含まれている状態変化要求を取得部１２Ａに提供する。また、通信ＩＦ１１Ａは、後処理部１５Ａから提供される空気調和機２２の異常を示す通知情報を、ネットワークＮの通信規格に従う通信フレームに含めてネットワークＮに送信する。なお、異常検知装置１０Ａは、サーバ５が備える通信ＩＦを通信ＩＦ１１Ａとして利用することができる。この場合、異常検知装置１０Ａが通信ＩＦ１１Ａを備えずに、サーバ５が備える通信ＩＦを通信ＩＦ１１Ａとして利用する、と表現することもできる。
　取得部１２Ａは、端末２４が送信した状態変化要求と、住居における環境情報とを取得する。環境情報は、状態変化要求を通信ＩＦ１１Ａが受信した時刻（第五時刻）における住居における人の在不在を示す在不在情報（第五在不在情報に相当）と、第五時刻を示す時刻情報（第五時刻情報に相当）とを取得する。
　取得部１２Ａは、取得した状態変化要求と環境情報とを検知部１４Ａに提供する。
　検知部１４Ａは、取得部１２Ａから取得した状態変化要求により変化させようとする空気調和機２２の変化後の状態が異常であるか否かを判定することで、端末２４の異常を検知する検知処理を実行する。状態変化要求に係る変化後の空気調和機２２の状態が異常であることは、端末２４に異常があることに起因していると考えられるので、状態変化要求に係る変化後の空気調和機２２の状態の異常を検知することで、端末２４の異常を検知することができることに基づく。
　検知部１４Ａは、実施の形態１の検知部１４と同様に、少なくとも学習モデル１３３を用いた検知処理を行い、さらにルール情報１３２を用いた検知処理を行ってもよい。検知部１４Ａは、学習モデル１３３を用いた検知処理において、取得部１２Ａが取得した状態変化要求に係る変化後の空気調和機２２の状態を示す状態情報（第五状態情報に相当）と、取得部１２Ａが取得した環境情報（第五環境情報）とを学習モデル１３３に入力することで、端末２４の異常を検知することができる。学習モデル１３３を用いた検知処理と、ルール情報１３２を用いた検知処理との詳細は、実施の形態１の検知部１４が実行する処理と同じであるので説明を省略する。
　後処理部１５Ａは、検知部１４Ａによる検知の結果に応じて処理を実行する。後処理部１５Ａは、検知部１４Ａにより異常が検知された場合には状態変化要求を破棄し、異常が検知されない場合には状態変化要求を空気調和機２２に送信する。
　図１１は、本実施の形態における異常検知装置１０Ａの処理を示す第一のフロー図である。
　ステップＳ２０１において、取得部１２Ａは、状態変化要求を受信したか否かを判定する。状態変化要求を受信した場合（ステップＳ２０１でＹｅｓ）には、ステップＳ２０２に進み、そうでない場合（ステップＳ２０１でＮｏ）には、ステップＳ２０１を再び実行する。つまり、取得部１２Ａは、状態変化要求を受信するまでステップＳ２０１で待機状態をとる。
　ステップＳ２０２において、検知部１４Ａは、ステップＳ２０１で受信した状態変化要求を用いて、端末２４の異常検知のための処理を実行する。ステップＳ２０２に含まれる詳細な処理は後で詳しく説明する。
　ステップＳ２０３において、後処理部１５Ａは、ステップＳ２０３で検知部１４Ａが異常を検知したか否かを判定する。検知部１４Ａが異常を検知したと判定した場合（ステップＳ２０３でＹｅｓ）には、ステップＳ２０４に進み、そうでない場合（ステップＳ２０３でＮｏ）には、ステップＳ２１１に進む。
　ステップＳ２０４において、後処理部１５Ａは、ステップＳ２０１で受信した状態変化要求を破棄する。
　ステップＳ２０５において、後処理部１５Ａは、ステップＳ２０１で受信した状態変化要求を破棄したことをユーザの端末に通知する（言い換えれば、状態変化要求を破棄したことを示す通知情報をユーザの端末に送信する）。なお、ステップＳ２０５は、実行されなくてもよい。
　ステップＳ２０４またはＳ２０５を終えたら、図１１に示される一連の処理を終了する。
　ステップＳ２１１において、後処理部１５Ａは、ステップＳ２０１で受信した状態変化要求を空気調和機２２に送信する。
　ステップＳ２１２において、後処理部１５Ａは、ステップＳ２１１で状態変化要求を送信した結果、空気調和機２２が状態を変化させたことを確認する。例えば、後処理部１５Ａは、空気調和機２２が状態を変化させたことを示す状態変化通知を通信ＩＦ１１Ａを介して受信するまで待機し、上記状態変化通知を受信したと判定した場合に、空気調和機２２が状態変化要求に従って状態を変化させたと確認する。なお、この場合、後処理部１５Ａが上記状態変化通知を所定時間経過しても受信しない場合には、状態変化要求を再送信してもよい。また、後処理部１５Ａは、空気調和機２２が状態変化要求に従って状態を変化させたことを確認したこと、または、状態変化要求を再送信したことを示す通知情報をユーザの端末に送信してもよい。なお、ステップＳ２１２は、実行されなくてもよい。
　ステップＳ２１１またはＳ２１２を終えたら、図１１に示される一連の処理を終了する。
　図１２は、本実施の形態における異常検知装置１０Ａの処理を示す第二のフロー図である。
　図１２に示されるフロー図は、図１１のステップＳ２０２に含まれる詳細な処理を示している。
　ステップＳ２２１において、検知部１４Ａは、ステップＳ２０１で受信した状態変化要求を送信した端末２４に関する情報を取得する。端末２４に関する情報は、具体的には、端末２４上で動作しているソフトウェアのアカウントに関する情報、または、端末２４の位置に関する情報を含み得る。
　ステップＳ２２２において、検知部１４Ａは、ステップＳ２２１で取得した情報を用いて、端末２４の状態が適正であるか否かを判定する。例えば、検知部１４Ａは、端末２４上で動作しているソフトウェアのアカウントが、住居の居住者のアカウントである場合に、端末２４の状態が適正であると判定することができる。また、検知部１４Ａは、端末２４の位置が住居内である場合に、端末２４の状態が適正であると判定することができる。端末２４の位置が住居内であることは、端末２４のＩＰアドレスがネットワーク３０におけるＩＰアドレス（例えば、ルータ２０と同じサブネットアドレスを有する静的ＩＰアドレス、または、ルータ２０がＤＨＣＰにより割り当てたＩＰアドレス）であることから判定され得る。検知部１４Ａは、端末２４の状態が適正であると判定した場合（ステップＳ２２２でＹｅｓ）には、図１２に示される一連の処理を終了し、そうでない場合（ステップＳ２２２でＮｏ）には、ステップＳ２２３に進む。
　ステップＳ２２３において、検知部１４Ａは、環境情報を取得する。このときに取得する環境情報は、ステップＳ２０１で状態変化要求を受信した時刻における環境情報に相当する。
　ステップＳ２２４において、検知部１４Ａは、ルール情報１３２（図５参照）を用いた異常検知処理を実行する。ルール情報１３２を用いた異常検知処理は、実施の形態１のステップＳ１１３（図７参照）と同様である。
　ステップＳ２２５において、検知部１４Ａは、学習モデル１３３を用いた異常検知処理を実行する。学習モデル１３３を用いた異常検知処理は、実施の形態１のステップＳ１１４（図７参照）と同様である。
　以上のように、本実施の形態の異常検知装置１０Ａは、実際の住居内外の環境および機器の状態に応じて、機器の状態を変化させようとする端末２４の異常を検知することができる。
　なお、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。具体的には、各構成要素は、ホームオートメーションのコントローラに一体化されて実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。ここで、上記各実施の形態の異常検知装置などを実現するソフトウェアは、次のようなプログラムである。
　すなわち、このプログラムは、コンピュータに、異常検知装置が実行する異常検知方法であって、複数の第一時刻それぞれについて、当該第一時刻における住居の人の在不在を示す第一在不在情報と、当該第一時刻を示す第一時刻情報とを少なくとも含む第一環境情報と、当該第一時刻における機器の状態を示す第一状態情報とを入力として、前記機器の異常の有無を判別する学習モデルであって、機械学習により生成された学習モデルを取得し、前記住居における前記機器の状態が変化したことを示す通知を受信し、かつ、前記通知を受信した第二時刻における前記住居における人の在不在を示す第二在不在情報と、前記第二時刻を示す第二時刻情報とを少なくとも含む第二環境情報を取得し、前記通知に示される変化後の前記機器の状態を示す第二状態情報と、取得した前記第二環境情報とを前記学習モデルに入力することで、前記機器の異常を検知するための検知処理を実行する異常検知方法を実行させるプログラムである。
　以上、一つまたは複数の態様に係る異常検知装置などについて、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、一つまたは複数の態様の範囲内に含まれてもよい。
　本発明は、設備機器または家電機器等の異常を検知する検知装置に利用可能である。
　１、１Ａ　　システム
　５　　サーバ
　１０、１０Ａ　　異常検知装置
　１１、１１Ａ　　通信ＩＦ
　１２、１２Ａ　　取得部
　１３　　記憶部
　１４、１４Ａ　　検知部
　１５、１５Ａ　　後処理部
　２０　　ルータ
　２２　　空気調和機
　２４　　端末
　３０、Ｎ　　ネットワーク
　４０　　枠
　４１、４２　　点
　１３１　　状態テーブル
　１３２　　ルール情報
　１３３　　学習モデル

Claims (11)

  1. 　異常検知装置が実行する異常検知方法であって、
    　複数の第一時刻それぞれについて、当該第一時刻における住居の人の在不在を示す第一在不在情報と、当該第一時刻を示す第一時刻情報とを少なくとも含む第一環境情報と、当該第一時刻における機器の状態を示す第一状態情報とを入力として、前記機器の異常の有無を判別する学習モデルであって、機械学習により生成された学習モデルを取得し、
    　前記住居における前記機器の状態が変化したことを示す通知を受信し、かつ、前記通知を受信した第二時刻における前記住居における人の在不在を示す第二在不在情報と、前記第二時刻を示す第二時刻情報とを少なくとも含む第二環境情報を取得し、
    　前記通知に示される変化後の前記機器の状態を示す第二状態情報と、取得した前記第二環境情報とを前記学習モデルに入力することで、前記機器の異常を検知するための検知処理を実行する
    　異常検知方法。
  2. 　前記検知処理において、前記機器の異常を検知した場合には、
    　前記機器を正常な状態に変化させる制御情報を生成し、生成した前記制御情報を前記機器に送信する
    　請求項１に記載の異常検知方法。
  3. 　前記異常検知方法は、さらに、
    　前記通知を受信する前の第三時刻における前記機器の状態を示す第三状態情報を取得し、
    　前記制御情報を生成する際には、
    　前記第三状態情報に示される前記状態を前記正常な状態として用いて、前記制御情報を生成する
    　請求項２に記載の異常検知方法。
  4. 　前記制御情報を生成する際には、
    　（１）複数の第一時刻のうち、当該第一時刻における前記第一環境情報と、前記通知を受信した第四時刻における第四環境情報との差異が最も小さい前記第一時刻である特定時刻における前記第一環境情報と、前記第四環境情報とが一致している場合には、前記特定時刻における前記第一状態情報に示される前記状態を前記正常な状態として用いて、前記制御情報を生成し、
    　（２）前記特定時刻における前記第一環境情報と、前記第四環境情報とが一致していない場合には、
    　前記複数の第一時刻における前記第一状態情報の代表である代表状態情報、および、前記複数の第一時刻における前記第一環境情報の代表である代表環境情報と、前記特定時刻における前記第一状態情報および前記第一環境情報との第一差異と、前記代表状態情報および前記代表環境情報と、前記第四時刻における第四状態情報および前記第四環境情報との第二差異とを算出し、
    　（ａ）前記第一差異が前記第二差異より小さい場合には、前記特定時刻における前記第一状態情報に示される前記状態を前記正常な状態として用いて、前記制御情報を生成し、
    　（ｂ）前記第一差異が前記第二差異より大きい場合には、前記第四状態情報に示される前記状態を前記正常な状態として用いて、前記制御情報を生成する
    　請求項２に記載の異常検知方法。
  5. 　前記制御情報は、前記機器を待機時間だけ待機させた後で正常な状態に変化させる制御情報である
    　請求項２～４のいずれか１項に記載の異常検知方法。
  6. 　前記異常検知方法は、さらに、
    　前記第二時刻における前記機器の正常な状態を示すルール情報を取得し、
    　前記第二状態情報が前記ルール情報に適合するか否かを判定し、前記第二状態情報が前記ルール情報に適合しないと判定した場合に、前記機器の異常を検知する
    　請求項１に記載の異常検知方法。
  7. 　前記第一環境情報は、さらに、複数の第一時刻それぞれについて、当該第一時刻における前記住居における温度を示す第一温度情報と、当該第一時刻における前記住居の位置における天気を示す第一天気情報とを含み、
    　前記第二環境情報は、さらに、前記第二時刻における、前記住居における温度を示す第二温度情報と、前記住居の位置における天気を示す第二天気情報とを含む
    　請求項１に記載の異常検知方法。
  8. 　前記機器の異常を検知した場合には、
    　前記機器の異常を示す情報を、前記住居の居住者が保有する端末に送信する
    　請求項１に記載の異常検知方法。
  9. 　前記異常検知方法は、さらに、
    　前記住居における前記機器の状態を変化させる要求を端末から受信した第五時刻における、前記住居における人の在不在を示す第五在不在情報と、前記第五時刻を示す第五時刻情報とを取得し、
    　前記要求に係る前記機器の変化後の状態を示す第五状態情報と、取得した前記第五在不在情報および前記第五時刻情報とを前記学習モデルに入力することで、前記端末の異常を検知するための検知処理を実行する
    　請求項１に記載の異常検知方法。
  10. 　複数の第一時刻それぞれについて、当該第一時刻における住居の人の在不在を示す第一在不在情報と、当該第一時刻を示す第一時刻情報とを少なくとも含む第一環境情報と、当該第一時刻における機器の状態を示す第一状態情報とを入力として、前記機器の異常を判別する学習モデルであって、機械学習により生成された学習モデルを取得する検知部と、
    　前記住居における前記機器の状態が変化したことを示す通知を受信し、かつ、前記通知を受信した第二時刻における前記住居における人の在不在を示す第二在不在情報と、前記第二時刻を示す第二時刻情報とを少なくとも含む第二環境情報を取得する取得部とを備え、
    　前記検知部は、さらに、
    　前記通知に示される変化後の前記機器の状態を示す第二状態情報と、取得した前記第二環境情報とを前記学習モデルに入力することで、前記機器の異常を検知するための検知処理を実行する
    　異常検知装置。
  11. 　請求項１に記載の異常検知方法をコンピュータに実行させるプログラム。
PCT/JP2023/039276 2022-12-27 2023-10-31 異常検知方法、異常検知装置、および、プログラム Ceased WO2024142592A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202380088427.9A CN120419135A (zh) 2022-12-27 2023-10-31 异常检测方法、异常检测装置以及程序
JP2024567251A JPWO2024142592A1 (ja) 2022-12-27 2023-10-31
EP23911376.4A EP4645765A4 (en) 2022-12-27 2023-10-31 ANOMALY DETECTION METHOD, ANOMALY DETECTION DEVICE, AND PROGRAM
US19/246,149 US20250369640A1 (en) 2022-12-27 2025-06-23 Anomaly detection method, anomaly detection device, and recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022210028 2022-12-27
JP2022-210028 2022-12-27

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US19/246,149 Continuation US20250369640A1 (en) 2022-12-27 2025-06-23 Anomaly detection method, anomaly detection device, and recording medium

Publications (1)

Publication Number Publication Date
WO2024142592A1 true WO2024142592A1 (ja) 2024-07-04

Family

ID=91717335

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/039276 Ceased WO2024142592A1 (ja) 2022-12-27 2023-10-31 異常検知方法、異常検知装置、および、プログラム

Country Status (5)

Country Link
US (1) US20250369640A1 (ja)
EP (1) EP4645765A4 (ja)
JP (1) JPWO2024142592A1 (ja)
CN (1) CN120419135A (ja)
WO (1) WO2024142592A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009141725A (ja) 2007-12-07 2009-06-25 Daiwa House Industry Co Ltd 住宅機器遠隔監視サービス提供システム
JP2013011987A (ja) * 2011-06-28 2013-01-17 Toshiba Corp 異常状態検知装置及び異常状態検知方法
JP2020149407A (ja) * 2019-03-14 2020-09-17 株式会社東芝 監視システムおよび監視方法
JP2021177319A (ja) * 2020-05-08 2021-11-11 東芝ライフスタイル株式会社 家電システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2555573B (en) * 2016-10-21 2020-03-25 Centrica Hive Ltd HVAC performance monitoring system
US20180231603A1 (en) * 2017-02-15 2018-08-16 Abhay Gupta Systems and Methods for Detecting Occurence of an Event in a Household Environment
US11461441B2 (en) * 2019-05-02 2022-10-04 EMC IP Holding Company LLC Machine learning-based anomaly detection for human presence verification

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009141725A (ja) 2007-12-07 2009-06-25 Daiwa House Industry Co Ltd 住宅機器遠隔監視サービス提供システム
JP2013011987A (ja) * 2011-06-28 2013-01-17 Toshiba Corp 異常状態検知装置及び異常状態検知方法
JP2020149407A (ja) * 2019-03-14 2020-09-17 株式会社東芝 監視システムおよび監視方法
JP2021177319A (ja) * 2020-05-08 2021-11-11 東芝ライフスタイル株式会社 家電システム

Also Published As

Publication number Publication date
JPWO2024142592A1 (ja) 2024-07-04
US20250369640A1 (en) 2025-12-04
EP4645765A1 (en) 2025-11-05
CN120419135A (zh) 2025-08-01
EP4645765A4 (en) 2026-04-15

Similar Documents

Publication Publication Date Title
US11722508B2 (en) Methods, systems, and media for dynamically separating internet of things devices in a network
CN108432282B (zh) 用于通过无线通信管理电子装置的方法和设备
US10291714B2 (en) System and method for using general software to control internet of things (IOT) system
JP5767717B2 (ja) ネットワーク上のマスター／スレーブ・デバイスの自動構成のためのシステム及び方法
WO2018153362A1 (zh) 接入物联网平台的方法、物联网平台和物联网设备
US20230336576A1 (en) Threshold value calculation device, anomaly detection device, threshold value calculation method, and anomaly detection method
JP5974931B2 (ja) 通信装置
US11962653B2 (en) Device monitoring method, device monitoring apparatus, and recording medium for transmitting messages containing device control commands based on predetermined conditions
US12342169B2 (en) Unauthorized communication detection method, unauthorized communication detection device, and recording medium
WO2024142592A1 (ja) 異常検知方法、異常検知装置、および、プログラム
JP7840952B2 (ja) マルウェア検知方法、マルウェア検知装置、及びプログラム
CN111726429A (zh) 一种通信方法、装置、设备及介质
US20190221096A1 (en) Security system with occupancy determination based on hvac applications
JP6415925B2 (ja) 管理装置、管理プログラム、及び管理方法
WO2016046861A1 (ja) 制御装置、サーバ装置、制御システム、制御方法および制御プログラム
WO2023282192A1 (ja) マルウェア検知方法、マルウェア検知装置、及びプログラム
KR101070522B1 (ko) 스푸핑 공격 탐지 및 차단 시스템 및 방법
TWI449373B (zh) 區域網路的管理方法及其裝置
JP7550975B2 (ja) 空調機、セキュリティ攻撃対処方法及びプログラム
CN118119035A (zh) 设备的通信连接方法、电子设备、存储介质和系统
Wu A Cybersecurity Framework for Wireless-Controlled Smart Buildings I: Two-Position Control
US20080244063A1 (en) Automatically detecting managed servers in a network
KR20070074157A (ko) 홈 네트워크 시스템에서 레지덴셜 게이트웨이의 장애를판단하는 방법 및 시스템
JP2018063618A (ja) 不正アクセス監視装置および方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23911376

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024567251

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 202380088427.9

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2023911376

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWP Wipo information: published in national office

Ref document number: 202380088427.9

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2023911376

Country of ref document: EP

Effective date: 20250728

ENP Entry into the national phase

Ref document number: 2023911376

Country of ref document: EP

Effective date: 20250728

WWP Wipo information: published in national office

Ref document number: 2023911376

Country of ref document: EP