JP2021060136A

JP2021060136A - 空気清浄システム

Info

Publication number: JP2021060136A
Application number: JP2019183052A
Authority: JP
Inventors: 恒佑近藤; Kosuke Kondo; 弥長谷部; Wataru Hasebe; 正幸小松原; Masayuki Komatsubara
Original assignee: Shimizu Construction Co Ltd; Shimizu Corp
Current assignee: Shimizu Construction Co Ltd; Shimizu Corp
Priority date: 2019-10-03
Filing date: 2019-10-03
Publication date: 2021-04-15

Abstract

【課題】清浄度を適切に保ちながら、さらなる省エネルギーを実現することができる空気清浄システムを提供する。【解決手段】区画１２内の空気を清浄化する空気清浄装置１４と、空気清浄装置１４を制御する制御手段１６と、区画１２内の発塵負荷状況を取得する発塵負荷取得手段１８と、区画１２内の清浄度の状況を取得する清浄度取得手段２０と、発塵負荷状況と、清浄度の状況と、空気清浄装置１４の運転状況とを入力データ、制御手段１６による空気清浄装置１４の制御値を教師データとする機械学習を行い、この学習結果から区画１２内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段２２とを備え、制御手段１６は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置１４の運転状況とから、空気清浄装置１４を制御する。【選択図】図１

Description

本発明は、区画内の空気を清浄化する空気清浄システムに関するものである。

従来、区画内の空気を清浄化する空気清浄システムが知られている。これに関して本特許出願人は、既に特許文献１において、パーティクルセンサと人感センサを用いてクリーン空調を図４に示すような４つのモードで制御するシステムを提案している。この特許文献１のシステムは、作業者のエリアへの侵入検知をトリガーにしてファンフィルターユニット（以下、ＦＦＵということがある。）を制御する。具体的には、作業者から生じる発塵に対して送風量を増加させるようにＦＦＵを制御して清浄度を適切に維持し、逆に発塵源となる作業者が少ない場合にはＦＦＵの送風量を絞り、省エネルギーを推進する。

一方、作業者やその作業行動は発塵を引き起こすため、その人数や行動量とクリーンルーム内の清浄度には相関関係があることが知られている（例えば、非特許文献１を参照）。

特願２０１９−０１９９３１号（現時点で未公開）

「クリーンルーム用衣服着衣者からの発塵量および発塵機構」、鈴木良延ほか、日本建築学会計画系論文報告集、Vol. 386, pp.43-53, 1988

ところで、クリーンルームには様々な形状、寸法、生産ラインや生産工程があり、また作業者に関しても、生産工程や製造品の種類、それに基づく運用ルールなどにより、その作業行動や無塵衣の性能、着用の仕方など、施設ごとに異なる要因が多いのも事実である。したがって、上記の相関関係の成立は多くのクリーンルームで推認されるが、あるクリーンルームに関して当てはまる相関関係とまったく同じものが、別のあるクリーンルームの空調制御にそのまま活かせるとは限らない。

上記の従来の特許文献１のシステムは、制御方法を暫定的に決めて建物に導入する必要があり、省エネルギーを狙った制御内容を組み込んだとしても、このような理由からより安全側の制御値を設定する必要があった。例えば、上記の特許文献１には、ＦＦＵのファン回転数を基本モードでは６００〜８００ｒｐｍで制御し、人感モードでは１０００ｒｐｍで制御し、最大モードでは１２００ｒｐｍで制御するというように暫定的な設定値で制御する例が示されている。また、ｘ人の進入で人感モードに移行し、移行後はｙ秒、その回転数を維持するといった、制御に関わる様々なパラメータを暫定的に設定して導入する必要があり、どうしても必要以上に安全側で設定せねばならないという問題があった。

本発明は、上記に鑑みてなされたものであって、清浄度を適切に保ちながら、さらなる省エネルギーを実現することができる空気清浄システムを提供することを目的とする。

上記した課題を解決し、目的を達成するために、本発明に係る空気清浄システムは、区画内の空気を清浄化する空気清浄装置と、空気清浄装置を制御する制御手段と、区画内の発塵負荷状況を取得する発塵負荷取得手段と、区画内の清浄度の状況を取得する清浄度取得手段と、空気清浄装置の運転状況を取得する運転取得手段と、発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とを入力データ、制御手段による空気清浄装置の制御値を教師データとする機械学習を行い、この学習結果から区画内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段とを備え、制御手段は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とから、空気清浄装置を制御することを特徴とする。

また、本発明に係る他の空気清浄システムは、上述した発明において、発塵負荷取得手段は、区画内の画像を取得し、取得した画像から区画内の人の状況を取得する画像センサであることを特徴とする。

本発明に係る空気清浄システムによれば、区画内の空気を清浄化する空気清浄装置と、空気清浄装置を制御する制御手段と、区画内の発塵負荷状況を取得する発塵負荷取得手段と、区画内の清浄度の状況を取得する清浄度取得手段と、空気清浄装置の運転状況を取得する運転取得手段と、発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とを入力データ、制御手段による空気清浄装置の制御値を教師データとする機械学習を行い、この学習結果から区画内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段とを備え、制御手段は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とから、空気清浄装置を制御するので、清浄度を適切に保ちながら、さらなる省エネルギーを実現することができるという効果を奏する。

また、本発明に係る他の空気清浄システムによれば、発塵負荷取得手段は、区画内の画像を取得し、取得した画像から区画内の人の状況を取得する画像センサであるので、発塵源となることの多い人の状況を容易に取得することができるという効果を奏する。

図１は、本発明に係る空気清浄システムの実施の形態を示す概略図である。図２は、行動と発塵量の関係の一例を示す図である。図３は、衣服による発塵量の違いの一例を示す図である。図４は、従来の空気清浄システムの制御モードの説明図である。

以下に、本発明に係る空気清浄システムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。

図１に示すように、本発明に係る空気清浄システム１０は、区画１２の空気を清浄化するシステムであり、空気清浄装置１４と、制御手段１６と、画像センサ１８と、パーティクルセンサ２０と、学習手段２２とを備える。

区画１２は、クリーンルーム（以下、ＣＲということがある。）の全体またはその一部である。区画１２は他の区画とパーテーションやカーテンで仕切られていてもよいし、条件によっては特に仕切がなくてもよい。区画１２には、図示しない半導体や精密機器の生産装置が設けられており、空気が清浄化された環境が必要となっている。

空気清浄装置１４は、区画１２内の天面のやや下方に配置されており、上部に設けられたファンと、下部に設けられたＨＥＰＡ（ＨｉｇｈＥｆｆｉｃｉｅｎｃｙＰａｒｔｉｃｕｌａｔｅＡｉｒ）とを有する出力可変型のＦＦＵである。空気清浄装置１４は、回転数可変駆動式のファンにより上方から吸い込んだ空気をＨＥＰＡで清浄化して下方に向けて吹き出す。空気清浄装置１４は制御手段１６の作用下に状況に応じてファンの回転数を制御し出力調整ができる。

制御手段１６は、空気清浄装置１４を制御するものである。具体的には、制御手段１６は図示しないインバータに制御値を送信することによって、空気清浄装置１４内に備わるファンの回転数制御および風量制御を行う。制御手段１６が空気清浄装置１４に対して行う制御とは広義であって定速運転、変速運転および停止を含む。停止とは電源オンのままファンの風量を０にする場合と、電源オフの場合とを含む。この制御手段１６は学習手段２２に接続されており、学習手段２２を介して画像センサ１８、パーティクルセンサ２０などからの各種信号の供給を受ける。また、この制御手段１６は、学習手段２２が作成した制御モデルを使って、取得した発塵負荷状況、清浄度の状況、空気清浄装置１４の運転状態から制御値を設定し、設定した制御値で空気清浄装置１４の運転を制御する。制御手段１６は、例えばＦＥＭＳ（ＦａｃｔｏｒｙＥｎｅｒｇｙＭａｎａｇｅｍｅｎｔＳｙｓｔｅｍ）などの中央処理装置で構成することができる。

画像センサ１８は、区画１２内の所定の監視領域の発塵負荷状況を取得する発塵負荷取得手段である。この画像センサ１８は、例えば、対応する監視領域に人間が存在するか否かを動画像や静止画像などを用いて検出するカメラなどで構成することができる。画像センサ１８は領域に存在する人間の人数を検出することも可能である。また、画像センサ１８は人間の人数だけでなく動作（作業行動など）を容易に検出することができるとともに、その動作の種類や頻度に基づいて作業種別を判断することができる。検知可能な動作には歩行も含まれる。画像センサ１８は学習手段２２に接続されており、学習手段２２に検出信号（発塵負荷状況）を供給する。

パーティクルセンサ２０は、区画１２内の清浄度の状況を取得する清浄度取得手段であり、空気清浄装置１４の近傍に配置される。このパーティクルセンサ２０は清浄度の状況として粒子濃度を検出する。粒子濃度が低い場合は空気の清浄度が高い。パーティクルセンサ２０は学習手段２２に接続されており、学習手段２２に検出信号（清浄度の状況）を供給する。検出信号は学習のフィードバック値としても供給される。

学習手段２２は、画像センサ１８からの検出信号（発塵負荷状況）と、パーティクルセンサ２０からの検出信号（清浄度の状況）と、空気清浄装置１４の運転状況とを入力データ、制御手段１６による空気清浄装置１４の制御値を教師データとする機械学習を行い、この学習結果から区画１２内の清浄度を所定の状況に制御しながら、空気清浄装置１４に関して省エネルギー運転を行うための制御モデルを作成するものである。制御モデルによって、各状況取得時における空気清浄装置１４の最適な制御方法を予測することができる。なお、この学習手段２２は、空気清浄装置１４内に備わるファンの回転数信号を受信することによって空気清浄装置１４の運転状況を取得する機能（運転取得手段）を有している。学習手段２２で作成した制御モデルは、制御手段１６による制御値の設定に利用される。

上記構成の動作および作用について説明する。
制御手段１６で空気清浄装置１４を運転すると、区画１２内の空気が空気清浄装置１４の上方から吸い込まれて清浄化されて下方に吹き出される。この際、画像センサ１８で取得された人間の人数や動作などの発塵負荷状況を示す値、パーティクルセンサ２０で取得された清浄度の状況を示す値、空気清浄装置１４の運転状況（ファン回転数）を示す値がそれぞれ学習手段２２に送られる。学習手段２２は、これらの値を入力データ、制御手段１６による空気清浄装置１４の制御値を教師データとする機械学習を行い、上記の制御モデルを作成する。

制御手段１６は、学習手段２２が作成した制御モデルを使って、学習手段２２を介して取得した発塵負荷状況、清浄度の状況、空気清浄装置１４の運転状況から、空気清浄装置１４を制御するための制御値を設定する。そして、設定した制御値を空気清浄装置１４に送信することでその運転状況を制御する。学習を繰り返すことで、区画１２内の清浄度を所定の状況に制御しながら、空気清浄装置１４に関して省エネルギー運転を行うことが可能となる。

従来は、制御方法を暫定的に決めて建物に導入する必要があり、省エネルギーを狙った制御を組み込んだとしても、より安全側の制御値を設定する必要があった。これに対し、本実施の形態によれば、ＣＲごとに、または同じＣＲでもエリアごとに適切な制御モデルを作成することで、空気清浄装置１４の最適な制御と、清浄度の維持が可能となる。これにより、清浄度を適切に保持しながら、空気清浄装置１４の運転に関してさらなる省エネルギーを実現することができる。

上述したように、作業者とその作業行動による発塵の関連は以前より多くの報告例があり、例えば非特許文献１では、図２、３のような関係が報告されている。これによれば、ある程度のばらつきはみられるが、行動により発塵量が大きく異なり、また無塵衣の種類によっても異なることがわかる。これに鑑みれば、対象のＣＲ、またはその特定エリアに対し、画像センサ１８から作業者の人数や活動量の程度を取得し、その状態と空気清浄装置１４の運転状況、パーティクルセンサ２０やＣＦＤなどから得られた室内の清浄度を入力データとして学習を進めることで、対象領域の清浄度を制御するために最適な制御値を得ることができる。

なお、上記の実施の形態においては、区画１２で発塵源となることの多い作業者とその作業行動とし、それを取得した画像から作業者人数や行動を推定できる画像センサ１８で構成する場合を例にとり説明したが、本発明の発塵負荷取得手段はこれに限るものではない。すなわち、発塵負荷との間に明確な関係を有するであろうと推認されるパラメータを取得できるものであれば特に制限はない。例えば、生産装置類の運転状況を取得する方法や区画１２間の室圧やドアの開閉状況などを取得するものを発塵負荷取得手段として用いてもよい。このようにしても上記と同様の作用効果を奏することができる。

また、上記の実施の形態においては、パーティクルセンサ２０によって局所的な清浄度を取得する場合を例にとり説明したが、本発明の清浄度取得手段はこれに限るものではない。例えば、パーティクルセンサに加えて数値流体解析（ＣＦＤ）による結果などと組み合わせることによって面的な清浄度の分布を取得するものでもよい。また、それらを組み合わせることや、パーティクルセンサによる取得値をＣＦＤの境界条件として使用してより確からしい広範囲の値を取得してもよい。そして、対象の区画１２、またはその特定エリアに対し、画像センサ１８から作業者の人数や活動量の程度を取得し、その状態と空気清浄装置１４の運転状況、パーティクルセンサ２０やＣＦＤから得られた清浄度を入力データとして学習手段２２により学習を進めてもよい。このようにすれば、対象領域の清浄度を制御するために最適な運転方法を取得することができ、清浄度を適切に保ちながら、さらなる省エネルギーを実現することができる。

以上説明したように、本発明に係る空気清浄システムによれば、区画内の空気を清浄化する空気清浄装置と、空気清浄装置を制御する制御手段と、区画内の発塵負荷状況を取得する発塵負荷取得手段と、区画内の清浄度の状況を取得する清浄度取得手段と、空気清浄装置の運転状況を取得する運転取得手段と、発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とを入力データ、制御手段による空気清浄装置の制御値を教師データとする機械学習を行い、この学習結果から区画内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段とを備え、制御手段は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とから、空気清浄装置を制御するので、清浄度を適切に保ちながら、さらなる省エネルギーを実現することができる。

また、本発明に係る他の空気清浄システムによれば、発塵負荷取得手段は、区画内の画像を取得し、取得した画像から区画内の人の状況を取得する画像センサであるので、発塵源となることの多い人の状況を容易に取得することができる。

以上のように、本発明に係る空気清浄システムは、区画内の空気を清浄化する空気清浄システムに有用であり、特に、清浄度を適切に保ちながら、省エネルギーを実現するのに適している。

１０空気清浄システム
１２区画
１４空気清浄装置
１６制御手段
１８画像センサ（発塵負荷取得手段）
２０パーティクルセンサ（清浄度取得手段）
２２学習手段

Claims

区画内の空気を清浄化する空気清浄装置と、
空気清浄装置を制御する制御手段と、
区画内の発塵負荷状況を取得する発塵負荷取得手段と、
区画内の清浄度の状況を取得する清浄度取得手段と、
空気清浄装置の運転状況を取得する運転取得手段と、
発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とを入力データ、制御手段による空気清浄装置の制御値を教師データとする機械学習を行い、この学習結果から区画内の清浄度を所定の状況に制御しながら、省エネルギー運転を行うための制御モデルを作成する学習手段とを備え、
制御手段は、作成した制御モデルを使って、取得した発塵負荷状況と、清浄度の状況と、空気清浄装置の運転状況とから、空気清浄装置を制御することを特徴とする空気清浄システム。
発塵負荷取得手段は、区画内の画像を取得し、取得した画像から区画内の人の状況を取得する画像センサであることを特徴とする請求項１に記載の空気清浄システム。