JP6302954B2 - Management system and management method - Google Patents

Description

本発明は、管理システム及び管理方法、特に、管理者により管理される管理対象物を管理者とともに管理する管理システムに関する。   The present invention relates to a management system and a management method, and more particularly to a management system that manages a management target managed by an administrator together with the administrator.

一般的に、管理対象物を監視して、管理対象物に変化が生じた場合にはこれを検知して管理対象物に必要な施策を行い、管理対象物を適切に管理する技術が広く知られている。例えば、特許文献１には、管理対象物の状態を定期的に測定して、管理対象物の異常状態を診断する管理システムが提案されている。   In general, technologies that monitor managed objects, detect changes in the managed objects, detect them, take necessary measures on the managed objects, and manage the managed objects appropriately are widely known. It has been. For example, Patent Document 1 proposes a management system that periodically measures the state of a management object and diagnoses the abnormal state of the management object.

この管理システムは、通信機能付き測定器、診断装置及び監視端末を備えており、管理対象物の異常条件が診断条件として予め設定された診断装置において、この診断条件と通信機能付き測定器で測定された管理対象物の測定データとが対比される。   This management system includes a measuring instrument with a communication function, a diagnostic device, and a monitoring terminal. In a diagnostic device in which an abnormal condition of a management target is preset as a diagnostic condition, measurement is performed with the diagnostic condition and the measuring device with a communication function. The measured data of the controlled object is compared.

この診断装置には、管理対象物の使用条件に変更が生じた場合に診断条件を変更する診断条件変更手段が設けられており、診断条件変更手段によって診断条件が変更された場合には、監視端末が診断条件指示情報を通信機能付き測定器に送信する。   This diagnostic device is provided with a diagnostic condition changing means for changing the diagnostic condition when a change occurs in the use condition of the management target, and monitoring is performed when the diagnostic condition is changed by the diagnostic condition changing means. The terminal transmits diagnostic condition instruction information to the measuring instrument with a communication function.

このように、特許文献１の管理システムによれば、管理対象物の使用条件に変更が生じた場合であっても、使用条件の変更に応じた管理対象物の測定及び診断を行うことを目的としている。   As described above, according to the management system of Patent Document 1, it is an object to perform measurement and diagnosis of a managed object according to the change of the use condition even when the use condition of the managed object is changed. It is said.

特開２０１４−２２５０８０公報JP 2014-2225080 A

しかし、特許文献１の管理システムは、管理対象物の使用条件に変更があった場合に、予め設定された診断条件を適宜選択して変更するものであることから、管理対象物の使用条件の変更を予め想定して定型化したうえで、診断条件を設定しておく必要がある。   However, since the management system of Patent Document 1 changes and appropriately selects a preset diagnosis condition when there is a change in the use condition of the management object, the use condition of the management object It is necessary to set diagnostic conditions after stylizing the change in advance.

したがって、特許文献１の管理システムによれば、診断装置の診断条件変更手段において診断条件の変更を行うに際して、管理対象物の使用条件の変更に適切に追従することができないことが懸念される。   Therefore, according to the management system of Patent Literature 1, there is a concern that the change of the use condition of the management target cannot be appropriately followed when the diagnosis condition is changed by the diagnosis condition changing means of the diagnostic apparatus.

本発明は、上記事情に鑑みてなされたものであり、管理対象物の状態に適応させた管理を適切に実行することのできる管理システム及び管理方法を提供することを課題とするものである。 This invention is made | formed in view of the said situation, and makes it a subject to provide the management system and management method which can perform appropriately the management adapted to the state of the management target object.

上記課題を解決するための請求項１に記載の発明による管理システムは、管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出するセンサと、前記管理者による前記管理対象物の管理の記録が管理記録データとして入力される端末と、前記センサで検出した前記環境条件データと前記端末に入力された前記管理記録データとを相関せしめて前記管理対象物の状態を想定して把握し、把握した前記管理対象物の状態に基づいて該管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラムと、該人工知能プログラムで生成された前記管理指令を前記管理者の前記端末に送信する送信手段と、を備えることを特徴とする。 The management system according to the first aspect of the present invention for solving the above-described problem includes a sensor that detects, as environmental condition data, an environmental condition in which an object to be managed managed by an administrator is arranged, and the administrator performs the operation. The terminal of the management object management record is input as management record data, the environmental condition data detected by the sensor and the management record data input to the terminal are correlated to determine the state of the management object. A management process for performing management adapted to the state of the managed object is learned based on the state of the managed object that is assumed and grasped, and a management command is autonomously generated based on the learned management process features and artificial intelligence program, transmitting means for transmitting the management command generated by the artificial intelligence program to the terminal of the manager, in that it comprises the generated To.

この構成によれば、センサによって、管理対象物が配置された環境の条件が環境条件データとして検出され、管理対象物の管理の記録が管理記録データとして端末に入力され、人工知能プログラムによってこれらのデータが互いに相関せしめられ、人工知能プログラムがこの相関せしめられたデータに基づいて、管理対象物の状態に適応させた管理を行うための管理プロセスを学習する。   According to this configuration, the sensor detects the environmental condition in which the management object is arranged as environmental condition data, and the management record of the management object is input to the terminal as management record data. The data are correlated with each other, and the artificial intelligence program learns a management process for performing management adapted to the state of the management target based on the correlated data.

この人工知能プログラムが学習した結果に基づいて、人工知能プログラムが管理対象物の状況に適応した管理指令を自律的に生成することから、管理対象物の現在の状態に適応した管理を適切に実行することができる。しかも、管理対象物の状況に対応させて自律的に生成された管理指令が、管理者の保有する端末に送信されることから、管理者が管理対象物の管理を行う際の作業を予め把握することができる。その結果、管理者が管理対象物の管理を行う作業負担及び作業時間を大幅に削減することができる。 Based on the learning results of this artificial intelligence program, the artificial intelligence program autonomously generates management commands that are adapted to the status of the management target, so that management appropriate to the current state of the management target is appropriately executed. can do. In addition, since the management commands generated autonomously according to the status of the managed object are sent to the terminal owned by the administrator, the administrator grasps the work when managing the managed object in advance. can do. As a result, it is possible to greatly reduce the work load and work time for the manager to manage the management object.

請求項２に記載の発明による管理システムは、請求項１に記載の管理システムにおいて、前記人工知能プログラムで生成された前記管理指令によって前記管理対象物を管理する管理実行部を備えることを特徴とする。   A management system according to a second aspect of the present invention is the management system according to the first aspect, further comprising a management execution unit that manages the management target object according to the management command generated by the artificial intelligence program. To do.

この構成によれば、管理対象物の状況に適応させて自律的に生成された管理指令に基づいて、管理実行部が管理対象物の管理を実行することから、管理者が管理対象物の管理を行う作業負担及び作業時間を大幅に削減することができる。   According to this configuration, since the management execution unit executes management of the management target based on the management command generated autonomously in accordance with the situation of the management target, the administrator manages the management target. It is possible to greatly reduce the work load and work time for performing the operation.

請求項３に記載の発明による管理システムは、請求項１または２に記載の管理システムにおいて、前記環境条件データは、前記管理対象物を撮像した環境条件画像データを含むことを特徴とする。 A management system according to a third aspect of the present invention is the management system according to the first or second aspect , wherein the environmental condition data includes environmental condition image data obtained by imaging the management object.

この構成によれば、環境条件データは環境条件画像データを含んでおり、人工知能プログラムは、この画像データを用いて学習することから、複合的なデータに基づいてより精緻な学習を行うことができる。   According to this configuration, the environmental condition data includes the environmental condition image data, and the artificial intelligence program learns using this image data, so that it can perform more precise learning based on complex data. it can.

請求項４に記載の発明による管理システムは、請求項１〜３のいずれか１項に記載の管理システムにおいて、前記管理記録データは、前記管理対象物を撮像した管理記録画像データを含むことを特徴とする。 The management system according to a fourth aspect of the present invention is the management system according to any one of the first to third aspects, wherein the management record data includes management record image data obtained by imaging the management object. Features.

この構成によれば、管理記録データは管理記録画像データを含んでおり、人工知能プログラムは、この画像データを用いて学習することから、複合的なデータに基づいてより精緻な学習を行うことができる。   According to this configuration, the management record data includes management record image data, and the artificial intelligence program learns using this image data, so that it can perform more precise learning based on complex data. it can.

上記課題を解決するための請求項５に記載の発明による管理システムは、管理者により管理される管理対象物の使用状態を管理状態データとして検出するセンサと、該センサで検出した前記管理状態データに基づいて前記管理対象物の使用傾向を想定して把握し、把握した前記管理対象物の使用傾向に基づいて該管理対象物の使用傾向に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラムと、 該人工知能プログラムで生成された前記管理指令に基づいた前記管理対象物の管理の記録が管理記録データとして入力される端末と、該端末に前記管理指令による前記管理対象物の管理から逸脱した前記管理対象物の管理が実行された場合に警告を送信する送信手段と、を備え、前記端末に入力された前記管理記録データと前記センサで検出した前記管理記録データとを相関せしめて生成した前記管理指令を修正することを特徴とする。 The management system according to the fifth aspect of the present invention for solving the above-described problem includes a sensor that detects, as management state data, a use state of a management target managed by an administrator, and the management state data detected by the sensor. And learning a management process for performing management adapted to the usage trend of the management object based on the usage trend of the management object. An artificial intelligence program that autonomously generates a management command based on the learned management process, and a management record of the management object based on the management command generated by the artificial intelligence program is input as management record data And a transmitter that sends a warning to the terminal when management of the managed object deviating from management of the managed object by the management command is executed. Comprising a stage, and characterized by modifying the management command generated by allowed correlating said management record data detected by the sensor and the inputted management record data to the terminal.

この構成によれば、センサによって、管理対象物の使用状態が管理状態データとして検出され、人工知能プログラムによってこのデータに基づいて管理対象物の使用傾向が把握され、把握された使用傾向に基づいて、管理対象物の使用傾向に適応させた管理を行うための管理プロセスを学習する。   According to this configuration, the usage state of the management object is detected as management state data by the sensor, the usage trend of the management object is grasped based on this data by the artificial intelligence program, and based on the grasped usage trend Learning the management process for performing management adapted to the usage trend of management objects.

この人工知能プログラムが学習した結果に基づいて、人工知能プログラムが管理対象物の状況に適応した管理指令を自律的に生成することから、管理対象物の現在の状況に適応した管理を適切に実行することができる。しかも、人工知能プログラムによって生成された管理指令から逸脱した管理対象物の管理の実行が誤用であるか否かを、管理者が容易に把握することができる。したがって、管理対象物の適正な使用が促されることとなる。 Based on the learning result of this artificial intelligence program, the artificial intelligence program autonomously generates management commands adapted to the status of the management target, so that management appropriate to the current status of the management target is appropriately executed. can do. Moreover, the administrator can easily grasp whether or not the management execution of the management object deviating from the management command generated by the artificial intelligence program is misused. Therefore, proper use of the management object is promoted.

さらに、管理対象物の管理の記録が管理記録データとして端末を介して入力され、入力された管理記録データとセンサで検出した管理記録データとが相関せしめられて管理指令が修正されることから、管理対象物の管理を適切に行うことができる。   Furthermore, since the management record of the management object is input as management record data through the terminal, the management record data input and the management record data detected by the sensor are correlated to correct the management command. Management object can be managed appropriately.

上記課題を解決するための請求項６に記載の発明による管理方法は、センサが、管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出し、人工知能プログラムが、端末を介して入力された前記管理者による前記管理対象物の管理の記録である管理記録データと前記検出した環境条件データとを相関せしめて前記管理対象物の状態を想定して把握し、把握した前記管理対象物の状態に基づいて該管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成し、送信手段が、前記人工知能プログラムで生成された前記管理指令を前記管理者の前記端末に送信する、ことを特徴とする。 In the management method according to the invention described in claim 6 for solving the above-described problem, the sensor detects an environmental condition where the management object managed by the administrator is arranged as environmental condition data, and the artificial intelligence program The management record data, which is a record of management of the management object by the administrator input via the terminal, is correlated with the detected environmental condition data to grasp the state of the management object. A management process for performing management adapted to the state of the management object is learned based on the grasped state of the management object, and a management command is autonomously generated and transmitted based on the learned management process A means transmits the management command generated by the artificial intelligence program to the terminal of the manager .

この構成によれば、管理対象物が配置された環境の条件をセンサが環境条件データとして検出し、かつ管理対象物の管理の記録が管理記録データとして端末に入力され、人工知能プログラムがこれらのデータを互いに相関せしめ、この相関せしめたデータに基づいて、管理対象物の状態に適応させた管理を行うための管理プロセスを学習する。   According to this configuration, the sensor detects the environmental condition in which the management target is placed as environmental condition data, and the management record of the management target is input to the terminal as management record data. Data is correlated with each other, and a management process for performing management adapted to the state of the management object is learned based on the correlated data.

この人工知能プログラムが学習した結果に基づいて、人工知能プログラムが管理対象物の状況に適応した管理指令を自律的に生成することから、管理対象物の現在の状態に適応した管理を適切に実行することができる。しかも、管理対象物の状況に対応させて自律的に生成された管理指令を、管理者の保有する端末に送信することから、管理者が管理対象物の管理を行う際の作業を予め把握することができる。その結果、管理者が管理対象物の管理を行う作業負担及び作業時間を大幅に削減することができる。 Based on the learning results of this artificial intelligence program, the artificial intelligence program autonomously generates management commands that are adapted to the status of the management target, so that management appropriate to the current state of the management target is appropriately executed. can do. In addition, since the management command autonomously generated corresponding to the status of the management target is transmitted to the terminal owned by the manager, the manager grasps in advance the work when managing the management target. be able to. As a result, it is possible to greatly reduce the work load and work time for the manager to manage the management object.

請求項７に記載の発明による管理方法は、請求項６に記載の管理方法において、管理実行部が、前記人工知能プログラムで生成された前記管理指令によって前記管理対象物を管理することを特徴とする。 A management method according to a seventh aspect of the present invention is the management method according to the sixth aspect , wherein the management execution unit manages the management object according to the management command generated by the artificial intelligence program. To do.

この構成によれば、管理対象物の状況に適応させて自律的に生成された管理指令に基づいて、管理実行部が管理対象物の管理を実行することから、管理者が管理対象物の管理を行う作業負担及び作業時間を大幅に削減することができる。   According to this configuration, since the management execution unit executes management of the management target based on the management command generated autonomously in accordance with the situation of the management target, the administrator manages the management target. It is possible to greatly reduce the work load and work time for performing the operation.

この発明によると、人工知能プログラムによって環境条件データと管理記録データとが互いに相関せしめられ、このデータに基づいて、人工知能プログラムが管理対象物の状態に適応させた管理を行うための管理プロセスを学習する。   According to the present invention, the environmental condition data and the management record data are correlated with each other by the artificial intelligence program, and based on this data, the management process for performing the management adapted to the state of the management target by the artificial intelligence program is performed. learn.

この人工知能プログラムが学習した結果に基づいて、人工知能プログラムが管理対象物の状況に適応した管理指令を自律的に生成することから、管理対象物の現在の状態に適応した管理を適切に実行することができる。   Based on the learning results of this artificial intelligence program, the artificial intelligence program autonomously generates management commands that are adapted to the status of the management target, so that management appropriate to the current state of the management target is appropriately executed. can do.

本発明の第１実施の形態に係る管理システムの概略を説明する図である。It is a figure explaining the outline of the management system concerning a 1st embodiment of the present invention. 同じく、本実施の形態に係る管理システムの構成の概略を説明するブロック図である。Similarly, it is a block diagram explaining the outline of a structure of the management system which concerns on this Embodiment. 同じく、本実施の形態に係る巣箱の構成の概略を説明する図である。Similarly, it is a figure explaining the outline of the structure of the nest box concerning this Embodiment. 同じく、本実施の形態に係る人工知能プログラムの構成及び機能の概略を説明する図である。Similarly, it is a figure explaining the outline of a structure and function of the artificial intelligence program which concerns on this Embodiment. 同じく、本実施の形態に係るオンサイト作業者及びオフサイト作業者の作業手順が記載された蜂群カルテの概略を説明する図である。Similarly, it is a figure explaining the outline of the bee swarm chart in which the work procedure of the on-site worker and off-site worker concerning this Embodiment was described. 同じく、本実施の形態に係る人工知能プログラムが学習するプロセスの概略を説明するフローチャートである。Similarly, it is a flowchart explaining an outline of a process learned by the artificial intelligence program according to the present embodiment. 本発明の第２実施の形態に係る管理システムの概略を説明する図である。It is a figure explaining the outline of the management system concerning a 2nd embodiment of the present invention. 同じく、本実施の形態に係る人工知能プログラムの構成及び機能の概略を説明する図である。Similarly, it is a figure explaining the outline of a structure and function of the artificial intelligence program which concerns on this Embodiment. 同じく、本実施の形態に係る管理システムにおいて、管理者により管理される管理対象物の使用傾向を表したタイミングチャートである。Similarly, in the management system according to the present embodiment, it is a timing chart showing the usage trend of the management object managed by the administrator.

次に、図１〜図９を参照して、本発明の実施の形態について説明する。   Next, an embodiment of the present invention will be described with reference to FIGS.

（第１実施の形態）
図１〜図６を参照して、本発明の第１実施の形態について説明する。なお、本実施の形態では、管理システムが養蜂業に適用される場合であって、管理システムで管理を行う管理対象物が蜂である場合を例として説明する。 (First embodiment)
A first embodiment of the present invention will be described with reference to FIGS. In the present embodiment, a case where the management system is applied to the beekeeping industry and the managed object managed by the management system is a bee will be described as an example.

図１は、本実施の形態に係る管理システムの概略を説明する図である。図示のように、管理システム１は、養蜂業の作業管理を行うものである。養蜂業は、蜂ｂを飼育して蜂蜜を採取することを目的として行われるものであり、本実施の形態では、多数の蜂ｂが収容された巣箱１００が養蜂場Ｓに配置されている。巣箱１００には、本実施の形態では、管理の便宜を図る観点から、Ａ■１〜Ａ■４、及びＢ■１〜Ｂ■４の符号が割り当てられている。   FIG. 1 is a diagram for explaining the outline of the management system according to the present embodiment. As shown in the figure, the management system 1 performs work management in the beekeeping industry. The beekeeping industry is carried out for the purpose of breeding bees b and collecting honey. In this embodiment, a nest box 100 containing a large number of bees b is arranged in the apiary S. In the present embodiment, the codes A1 to A4 and B1 to B4 are assigned to the nest box 100 for the convenience of management.

この管理システム１は、巣箱１００の外側に取り付けられた巣箱センサ１０、巣箱センサ１０と通信可能であって養蜂場Ｓに設けられた百葉箱１１０内に取り付けられた中継センサ２０を備え、この中継センサ２０は、クラウド３０を実装するサーバ３１と通信可能に接続されている。   The management system 1 includes a nest box sensor 10 attached to the outside of the nest box 100, and a relay sensor 20 that is communicable with the nest box sensor 10 and is attached in a hundred-leaf box 110 provided in the apiary S. 20 is communicably connected to a server 31 on which the cloud 30 is mounted.

さらに管理システム１は、クラウド３０にアクセス可能な端末であるオンサイト作業者端末６０及びオフサイト作業者端末７０を備える。これらオンサイト作業者端末６０及びオフサイト作業者端末７０は、本実施の形態では、多機能型携帯端末であるスマートフォンによって構成されている。   The management system 1 further includes an on-site worker terminal 60 and an off-site worker terminal 70 that are terminals that can access the cloud 30. These on-site worker terminal 60 and off-site worker terminal 70 are comprised by the smart phone which is a multifunctional portable terminal in this Embodiment.

オンサイト作業者端末６０は、養蜂場Ｓにおいて巣箱１００を目視で直接的に確認して作業を行うオンサイト作業者Ｐ１が保有しており、オンサイト作業者Ｐ１が後述する蜂群カルテに従って確認した巣箱１００の状況がオンサイトデータとして入力される。   The on-site worker terminal 60 is held by the on-site worker P1 who directly confirms the nest box 100 visually in the apiary S, and the on-site worker P1 confirms according to the bee swarm chart described later. The status of the nest box 100 is input as on-site data.

一方、オフサイト作業者端末７０は、養蜂場Ｓから離隔した遠隔地において巣箱１００を確認して作業を行うオフサイト作業者Ｐ２が保有しており、オフサイト作業者Ｐ２が後述する蜂群カルテに従って確認した巣箱１００の状況がオフサイトデータとして入力される。   On the other hand, the off-site worker terminal 70 is held by an off-site worker P2 who performs work by checking the nest box 100 in a remote place separated from the apiary S, and the off-site worker P2 describes a bee swarm chart described later. The status of the nest box 100 confirmed according to the above is input as off-site data.

本実施の形態では、これらオンサイト作業者Ｐ１及びオフサイト作業者Ｐ２によって、管理者が構成される。   In the present embodiment, the on-site worker P1 and the off-site worker P2 constitute an administrator.

図２は、本実施の形態に係る管理システム１０の構成の概略を説明するブロック図であり、図３は、本実施の形態に係る巣箱１００の構成の概略を説明する図である。   FIG. 2 is a block diagram for explaining the outline of the configuration of the management system 10 according to the present embodiment, and FIG. 3 is a view for explaining the outline of the configuration of the birdhouse 100 according to the present embodiment.

図２で示すように、巣箱センサ１０は、中継センサ２０と通信する図示しない通信手段を内蔵した装置であり、センサスロット１１、カメラ１２、給餌ポンプ１３及び薬液噴霧ポンプ１４が並列的に接続され、センサスロット１１には、温度センサ１１ａ、湿度センサ１１ｂ及び重量センサ１１ｃが互いに並列的に接続されている。   As shown in FIG. 2, the nest box sensor 10 is a device incorporating communication means (not shown) that communicates with the relay sensor 20, and the sensor slot 11, the camera 12, the feeding pump 13, and the chemical spray pump 14 are connected in parallel. In the sensor slot 11, a temperature sensor 11a, a humidity sensor 11b, and a weight sensor 11c are connected in parallel to each other.

本実施の形態では、これら給餌ポンプ１３及び薬液噴霧ポンプ１４によって、管理実行部が構成される。   In the present embodiment, a management execution unit is configured by the feeding pump 13 and the chemical spray pump 14.

温度センサ１１ａ及び湿度センサ１１ｂはそれぞれ、巣箱１００内の温度及び湿度を検出する。重量センサ１１ｃは、巣箱１００内の蜂ｂにより貯蜜された貯蜜量を検出する。   The temperature sensor 11a and the humidity sensor 11b detect the temperature and humidity in the nest box 100, respectively. The weight sensor 11c detects the amount of honey stored by the bee b in the nest box 100.

カメラ１２は、巣箱１００内に懸架されて配置された木枠１０１に営巣した蜂ｂや巣箱１００内の状況を撮像する。これにより、蜂bの状態を観察することが可能となる。一方、給餌ポンプ１３は、巣箱１００内に配置された木枠１０１に砂糖水を供給して、蜂ｂに給餌する。   The camera 12 images the bee b nesting in the wooden frame 101 that is suspended in the hive 100 and the situation in the hive 100. This makes it possible to observe the state of the bee b. On the other hand, the feeding pump 13 supplies sugar water to the wooden frame 101 arranged in the hive 100 and feeds the bee b.

中継センサ２０は、巣箱センサ１０及びルータ３２を介してサーバ３１と通信する図示しない通信手段を内蔵した装置であり、センサスロット２１とカメラ２２とが並列的に接続され、センサスロット２１には、温度センサ２１ａ及び湿度センサ２１ｂが互いに並列的に接続されている。   The relay sensor 20 is a device incorporating communication means (not shown) that communicates with the server 31 via the nest box sensor 10 and the router 32. The sensor slot 21 and the camera 22 are connected in parallel. The temperature sensor 21a and the humidity sensor 21b are connected in parallel to each other.

温度センサ２１ａは、養蜂場Ｓの温度を検出し、湿度センサ２１ｂは、養蜂場Ｓの湿度を検出する。カメラ２２は、本実施の形態では、巣箱１００が配置された養蜂場Ｓを撮像する。これにより、養蜂場Ｓの状態を観察することが可能となる。   The temperature sensor 21a detects the temperature of the apiary S, and the humidity sensor 21b detects the humidity of the apiary S. In the present embodiment, the camera 22 images the apiary S where the nest box 100 is arranged. Thereby, it becomes possible to observe the state of the apiary S.

ルータ３２を介して中継センサ２０と接続してインターネットにアクセス可能に構成されたサーバ３１には、本実施の形態では人工知能プログラム４０が格納されている。   In the present embodiment, an artificial intelligence program 40 is stored in a server 31 configured to be connected to the relay sensor 20 via the router 32 so as to be accessible to the Internet.

図４は、人工知能プログラム４０の構成及び機能の概略を説明する図である。図示のように、人工知能プログラム４０は、データ入力インターフェース４１、演算部４２、検出部４３、及び演算部４２と検出部４３との間に配置される記憶部４４を備える。   FIG. 4 is a diagram for explaining the outline of the configuration and functions of the artificial intelligence program 40. As illustrated, the artificial intelligence program 40 includes a data input interface 41, a calculation unit 42, a detection unit 43, and a storage unit 44 arranged between the calculation unit 42 and the detection unit 43.

データ入力インターフェース４１には、オンサイト作業者端末６０から入力される後述の蜂群カルテに従って観察されたオンサイトデータＤ１、オフサイト作業者端末７０から入力される後述の蜂群カルテに従って観察されたオフサイトデータＤ２、及びオンサイト作業者Ｐ１が巣箱１００内の状況をカメラで撮像した画像データである管理記録画像データＤ３が入力される。   On the data input interface 41, on-site data D1 observed in accordance with a later-described bee swarm chart input from the on-site worker terminal 60, observed in accordance with a later-described bee swarm chart input from the off-site worker terminal 70. The off-site data D2 and the management record image data D3, which is image data obtained by the on-site worker P1 capturing the situation in the nest box 100 with a camera, are input.

これらオンサイトデータＤ１、オフサイトデータＤ２及び管理記録画像データＤ３によって、管理記録データが構成される。   These on-site data D1, off-site data D2, and management record image data D3 constitute management record data.

一方、データ入力インターフェース４１には、巣箱センサ１００の温度センサ１１ａ、湿度センサ１１ｂ及び重量センサ１１ｃがそれぞれ検出した巣箱１００内の温度のデータ、湿度のデータ及び貯蜜量のデータが巣箱データＤ４として入力される。   On the other hand, in the data input interface 41, temperature data, humidity data, and storage amount data in the nest box 100 detected by the temperature sensor 11a, humidity sensor 11b, and weight sensor 11c of the nest box sensor 100 are stored as nest box data D4. Entered.

さらに、データ入力インターフェース４１には、中継センサ２０の温度センサ２１ａ、湿度センサ２１ｂがそれぞれ検出した養蜂場Ｓの温度のデータ、湿度のデータ、及びカメラ２２が撮像した養蜂場Ｓの画像のデータが巣箱周辺環境データＤ５として入力される。   Further, the data input interface 41 includes temperature data of the apiary S detected by the temperature sensor 21 a and the humidity sensor 21 b of the relay sensor 20, humidity data, and data of the image of the apiary S captured by the camera 22. Input as nest box surrounding environment data D5.

同様に、データ入力インターフェース４１には、巣箱１００に設けられたカメラ１２によって撮像された巣箱１００内の蜂ｂの画像のデータが、環境条件画像データＤ６として入力される。   Similarly, data of the image of the bee b in the nest box 100 captured by the camera 12 provided in the nest box 100 is input to the data input interface 41 as environmental condition image data D6.

これら巣箱データＤ４、巣箱周辺環境データＤ５及び環境条件画像データＤ６によって、環境条件データが構成される。   These nest box data D4, nest box surrounding environment data D5, and environmental condition image data D6 constitute environmental condition data.

演算部４２は、データ入力インターフェース４１に入力された上記の各データＤ１〜Ｄ６を教師データとして養蜂の作業を学習し、学習した結果に基づいて、蜂ｂの状態に適応した管理指令を自律的に生成する。   The calculation unit 42 learns beekeeping work using each of the data D1 to D6 input to the data input interface 41 as teacher data, and autonomously issues a management command adapted to the state of the bee b based on the learned result. To generate.

検出部４３は、演算部４２が生成した管理指令のうち、蜂ｂの現在の状態に適応した管理指令を検出する。一方、記憶部４４は、演算部４２が生成した管理指令を記憶する。   The detection unit 43 detects a management command adapted to the current state of the bee b among the management commands generated by the calculation unit 42. On the other hand, the storage unit 44 stores the management command generated by the calculation unit 42.

このように、人工知能プログラム４０で生成された管理指令は、本実施の形態では、送信手段５０によってオンサイト作業者端末６０、オフサイト作業者端末７０及び巣箱センサ１０を介して管理実行部である給餌ポンプ１３、薬液噴霧ポンプ１４に、選択的にあるいは場合によってはこれらのいずれにも送信される。   Thus, in this embodiment, the management command generated by the artificial intelligence program 40 is transmitted by the management execution unit via the on-site worker terminal 60, the off-site worker terminal 70, and the nest box sensor 10 by the transmission means 50. It is transmitted to a certain feeding pump 13 and chemical spray pump 14 either selectively or in some cases.

次に、図５及び図６を用いて、本実施の形態に係る管理システム１による管理方法の概略及び人工知能プログラム４０が教師データに基づいて養蜂の作業を学習するプロセスを説明する。   Next, an outline of a management method by the management system 1 according to the present embodiment and a process in which the artificial intelligence program 40 learns beekeeping work based on teacher data will be described with reference to FIGS. 5 and 6.

図５は、オンサイト作業者Ｐ１及びオフサイト作業者Ｐ２の作業手順が記載された蜂群カルテ８０の概略を説明する図であり、図６は、人工知能プログラム４０が学習するプロセスの概略を説明するフローチャートである。   FIG. 5 is a diagram for explaining the outline of the bee chart 80 in which the work procedures of the on-site worker P1 and the off-site worker P2 are described. FIG. 6 shows the outline of the process that the artificial intelligence program 40 learns. It is a flowchart to explain.

図５で示すように、蜂群カルテ８０には、オンサイト作業者Ｐ１及びオフサイト作業者Ｐ２の作業手順が記載されており、オンサイト作業者Ｐ１及びオフサイト作業者Ｐ２はこれに基づいて作業を行い、オンサイト作業者端末６０及びオフサイト作業者端末７０に作業内容等を入力する。   As shown in FIG. 5, the bee swarm chart 80 describes the work procedures of the on-site worker P1 and the off-site worker P2, and the on-site worker P1 and the off-site worker P2 are based on this. Work is performed, and the work content and the like are input to the on-site worker terminal 60 and the off-site worker terminal 70.

例えば、オフサイト作業者Ｐ１は、養蜂カルテ８０に従って、蜂ｂが収容された巣箱１００内を観察し、「産卵総数」の確認、「蛆数」の確認及び「日齢確認」等を行う。本実施の形態では、「産卵総数」は「確認できず−少−中−多」のように産卵数の多寡で確認し、「蛆数」についても「無−少−中−多」のように蛆の多寡で確認し、「日齢確認」は「１齢 ２齢 ３齢 蛹」のように蛆の成長度合で確認する。   For example, the offsite worker P1 observes the inside of the nest box 100 in which the bee b is accommodated according to the beekeeping chart 80, and confirms the “total number of eggs laid”, the “number of pods”, the “date confirmation”, and the like. In the present embodiment, “the total number of eggs laid” is confirmed by the number of eggs laid, such as “cannot be confirmed—small-medium-many”, and “the number of eggs” is also “no-low-medium-many”. Confirm the age of the cocoon, and confirm the age by checking the degree of cocoon growth, such as “1 year old, 2 year old, 3 year old cocoon”.

このように、オフサイト作業者Ｐ２は、蜂群カルテ８０に従って蜂群カルテ８０に列挙された項目に沿って巣箱１００内を観察して確認し、確認した内容をオフサイト作業者端末７０にオフサイトデータＤ２として入力する。   In this way, the offsite worker P2 observes and confirms the inside of the hive box 100 along the items listed in the bee group chart 80 according to the bee group chart 80, and the confirmed content is turned off to the offsite worker terminal 70. Input as site data D2.

さらに、オフサイト作業者Ｐ２が、例えば「王台」の確認を行う場合は、王台の有無を「無・１個・２個・３個・４個・５個以上」のように王台の有無及びその多寡で確認する。この確認により、王台が２個以上存在する場合は、その王台を切除あるいは切除せずに群分割する等、「王台切除〔処理済・未処理・切除せず群分割〕」のように処理を行い、確認した内容及び処理した内容をオフサイト作業者端末７０にオフサイトデータＤ２として入力する。   Further, when the off-site worker P2 confirms, for example, “Odai”, the presence or absence of the royal is indicated as “No, 1, 2, 3, 4, 5 or more”. Check whether there is any and how many. As a result of this confirmation, if there are two or more royal stands, such as dividing the group without excision or excision of the royal crown, such as “removal of the royal crown [group division without treatment, untreated, without excision]” Then, the confirmed content and the processed content are input to the off-site worker terminal 70 as off-site data D2.

これらオフサイト作業者Ｐ２による巣箱１００内の観察は、巣箱１００を目視で直接的に観察することも可能であるが、本実施の形態では、オフサイト作業者Ｐ２は、巣箱１００に設けられて巣箱１００内の状況等を撮像するカメラ１２が撮像した画像に基づいて、遠隔地で巣箱１００内を観察して作業項目を確認している。   Although the off-site worker P2 can observe the nest box 100 directly by visual observation, in this embodiment, the off-site worker P2 is provided in the nest box 100. Based on the image captured by the camera 12 that captures the situation in the nest box 100, the work item is confirmed by observing the nest box 100 in a remote place.

一方、例えばオンサイト作業者Ｐ１は、本実施の形態では、養蜂カルテ８０に従って、蜂ｂが収容された巣箱１００内を現地で直接的に観察し、「貯蜜量」の確認を行う。本実施の形態では、「貯蜜量」は「多−少−中」のように、貯蜜された貯蜜量の程度で確認する。   On the other hand, for example, in this embodiment, the on-site worker P1 directly observes the inside of the nest box 100 in which the bee b is accommodated according to the beekeeping chart 80 and confirms the “stored honey amount”. In the present embodiment, “stored honey amount” is confirmed by the degree of stored honey amount, such as “many-small-medium”.

オンサイト作業者Ｐ１は、貯蜜量の程度を確認することにより、「給餌の必要性」の確認及び「給餌後の残量」の確認等を行う。本実施の形態では、「給餌の必要性」は「有・無」の二択で確認し、「給餌後の残量」は「無−少−中−多」のように砂糖水の残量の多寡で確認する。   The on-site worker P1 confirms the “necessity of feeding” and the “remaining amount after feeding” by confirming the level of the amount of honey. In this embodiment, “Necessity of feeding” is confirmed by two choices of “Yes / No”, and “Remaining amount after feeding” is the remaining amount of sugar water such as “Non-low-medium-high”. Confirm with the number of.

このように、オンサイト作業者Ｐ１は、蜂群カルテ８０に従って蜂群カルテ８０に列挙された項目に沿って巣箱１００内を直接的に観察して確認し、確認した内容をオンサイト作業者端末６０にオンサイトデータＤ１として入力する。   In this way, the on-site worker P1 directly observes and confirms the inside of the nest box 100 along the items listed in the bee group chart 80 according to the bee group chart 80, and confirms the confirmed contents on the on-site worker terminal. 60, input as on-site data D1.

さらに、本実施の形態では、オンサイト作業者Ｐ１は、巣箱１００を開放して木枠１０１を取り出し、この木枠１０１をカメラで撮像し、撮像した画像データをオンサイト作業者端末６０に管理記録画像データＤ３として入力する。   Furthermore, in the present embodiment, the onsite worker P1 opens the nest box 100, takes out the wooden frame 101, images the wooden frame 101 with a camera, and manages the captured image data in the onsite worker terminal 60. Input as recorded image data D3.

このように入力された管理記録画像データＤ３を、オフサイト作業者Ｐ２が蜂群カルテ８０に従って観察して、蜂ｂにとって害をもたらす「ヘギイタダニの存在〔有・無（不明）〕」の確認を行う。   The management record image data D3 input in this manner is observed by the off-site worker P2 according to the bee swarm chart 80, and the confirmation of “the presence of the spider mite [presence / absence (unknown)]” causing harm to the bee b is confirmed. Do.

この確認により、ヘギイタダニが存在する場合は、本実施の形態では、その状態に応じて「対応（投薬 経過観察）」のように、「投薬」あるいは「経過観察」を選択して処理を行い、確認した内容及び処理した内容をオフサイト作業者端末７０にオフサイトデータＤ２として入力する。   According to this confirmation, in the present embodiment, if there is a staghorn mite, in this embodiment, “Dosing” or “Follow-up” is selected and processed according to its state, such as “Correspondence (medication follow-up)”. The confirmed content and the processed content are input to the off-site worker terminal 70 as off-site data D2.

このように、本実施の形態では、オンサイト作業者端末６０及びオフサイト作業者端末７０によって、蜂群カルテ８０に従って、オンサイトデータＤ１、オフサイトデータＤ２及び管理記録画像データＤ３が、データ入力インターフェース４１を介して人工知能プログラム４０に入力される。   As described above, in the present embodiment, the on-site worker terminal 60 and the off-site worker terminal 70 input the on-site data D1, the off-site data D2, and the management record image data D3 in accordance with the bee swarm chart 80. It is input to the artificial intelligence program 40 through the interface 41.

一方、データ入力インターフェース４１を介して、上記のように、巣箱データＤ４、巣箱周辺環境データＤ５及び環境条件画像データＤ６が人工知能プログラム４０に入力される。   On the other hand, the nest box data D4, the nest box surrounding environment data D5, and the environmental condition image data D6 are input to the artificial intelligence program 40 through the data input interface 41 as described above.

これら入力されたオンサイトデータＤ１、オフサイトデータＤ２、管理記録画像データＤ３、巣箱データＤ４、巣箱周辺環境データＤ５及び環境条件画像データＤ６は、図６で示すように、ステップＳ１において、例えば蜂ｂの幼虫の日齢に関する複数のデータが相関せしめられ、あるいは巣箱センサ１００の温度センサ１１ａで検出した温度のデータと中継センサ２０の温度センサ２１ａが検出した温度のデータとが相関せしめられる等、各データＤ１〜Ｄ６の有する特徴に着目されてグルーピングが行われる。   These input on-site data D1, off-site data D2, management record image data D3, nest box data D4, nest box surrounding environment data D5 and environmental condition image data D6 are, for example, bees in step S1, as shown in FIG. a plurality of data relating to the age of the larvae of b are correlated, or the temperature data detected by the temperature sensor 11a of the nest box sensor 100 and the temperature data detected by the temperature sensor 21a of the relay sensor 20 are correlated, etc. Grouping is performed by paying attention to the characteristics of the data D1 to D6.

このように、各データＤ１〜Ｄ６が有する特徴が抽出されて、その特徴ごとにグループに自動的に分類され、これら各データＤ１〜Ｄ６の特徴ごとに評価の重みづけがなされる。   In this way, the features of each of the data D1 to D6 are extracted and automatically classified into groups for each of the features, and the evaluation is weighted for each of the features of each of the data D1 to D6.

すなわち、人工知能プログラム４０がこれらの各データＤ１〜Ｄ６を教師データとして学習する場合において、重みがつけられたデータのグループの学習は、それ以外のグループの学習よりも重点的に行われることとなる。   That is, when the artificial intelligence program 40 learns each of these data D1 to D6 as teacher data, learning of a group of weighted data is performed more preferentially than learning of other groups. Become.

ステップＳ１におけるグルーピングに続いて、ステップＳ２において、グルーピングして分類したグループに、そのグループを構成する各データＤ１〜Ｄ６の特徴に基づいた適切なラベリングが実行される。例えば、幼虫の日齢に関するデータのグループであれば、このグループに適したラベリングが行われる。   Following the grouping in step S1, appropriate labeling based on the characteristics of the data D1 to D6 constituting the group is performed on the group classified by grouping in step S2. For example, if it is a group of data concerning the larval age, labeling suitable for this group is performed.

ステップＳ２におけるラベリングに続いて、ステップＳ３において、グループを構成する各データＤ１〜Ｄ６の特徴とそのグループにラベリングされたラベルとの関連づけが実行される。この関連づけが実行された後、ステップＳ４において、そのグループを構成する各データＤ１〜Ｄ６の特徴とそのグループにラベリングされたラベルとの関係を学習する（特徴学習）。   Subsequent to the labeling in step S2, in step S3, the association between the features of the data D1 to D6 constituting the group and the labels labeled in the group is executed. After this association is executed, in step S4, the relationship between the features of the data D1 to D6 constituting the group and the labels labeled in the group is learned (feature learning).

その後、ステップＳ５において、特徴学習が終了したか否かが判定され、特徴学習が終了していない場合は、再度、ステップＳ１において、各データＤ１〜Ｄ６の有する特徴に着目したグルーピングが行われる。   Thereafter, in step S5, it is determined whether or not feature learning has ended. If feature learning has not ended, grouping is performed again in step S1 while focusing on the features of the data D1 to D6.

この特徴学習によって、本実施の形態の人工知能プログラム４０が各データＤ１〜Ｄ６を教師データとして養蜂の作業を学習するまでに要する期間は、およそ１〜３か月となっている。   With this feature learning, the period required for the artificial intelligence program 40 of the present embodiment to learn the beekeeping work using each data D1 to D6 as teacher data is approximately 1 to 3 months.

このように、特徴学習を終了した人工知能プログラム４０は、新たなデータが出現すると、演算部４２が新たなデータに適したラベルを予測し、蜂ｂの状態に適応した管理指令を自律的に生成する。   In this way, the artificial intelligence program 40 that has completed the feature learning, when new data appears, the calculation unit 42 predicts a label suitable for the new data and autonomously issues a management command adapted to the state of the bee b. Generate.

例えば、巣箱センサ１０の湿度センサ１１ｂが検出した湿度のデータと中継センサ２０の湿度センサ２１ｂが検出した湿度のデータとが相関せしめられて、養蜂場Ｓ及び巣箱１００における適切な湿度が例えば４０％程度であると学習されている場合において、湿度センサ１１ｂが検出した湿度のデータと湿度センサ２１ｂが検出した湿度のデータとが相関せしめられて９０％以上の湿度が検出されたような場合は、巣箱１００が浸水等の被害を受けている可能性がある。   For example, the humidity data detected by the humidity sensor 11b of the nest box sensor 10 and the humidity data detected by the humidity sensor 21b of the relay sensor 20 are correlated, and the appropriate humidity in the apiary S and the nest box 100 is, for example, 40%. If the humidity data detected by the humidity sensor 11b is correlated with the humidity data detected by the humidity sensor 21b and the humidity of 90% or more is detected, There is a possibility that the nest box 100 is damaged by water.

このような場合は、人工知能プログラム４０は湿度の異常を検出し、湿度が異常である旨の管理指令を生成して、この管理指令が送信手段５０を介してオンサイト作業者端末６０及びオフサイト作業者端末７０に送信される。   In such a case, the artificial intelligence program 40 detects an abnormality in humidity, generates a management command indicating that the humidity is abnormal, and the management command is transmitted to the on-site worker terminal 60 and the off-site via the transmission means 50. It is transmitted to the site worker terminal 70.

例えば、巣箱センサ１０の温度センサ１１ａが検出した温度のデータと中継センサ２０の温度センサ２１ａが検出した温度のデータとが相関せしめられて、１０月における養蜂場Ｓ及び巣箱１００の適切な温度が２０℃程度であると学習されている場合において、温度センサ１１ａが検出した温度のデータと温度センサ２１ａが検出した温度のデータとが相関せしめられて２０℃を大幅に上回る、あるいは大幅に下回る温度が検出されたような場合は、巣箱１００の蓋が何らかの理由により開蓋されている可能性がある。   For example, the temperature data detected by the temperature sensor 11a of the nest box sensor 10 and the temperature data detected by the temperature sensor 21a of the relay sensor 20 are correlated, and the appropriate temperatures of the apiary S and the nest box 100 in October are determined. In the case where it is learned that the temperature is about 20 ° C., the temperature data detected by the temperature sensor 11a and the temperature data detected by the temperature sensor 21a are correlated so that the temperature is significantly higher or lower than 20 ° C. Is detected, there is a possibility that the lid of the nest box 100 is opened for some reason.

このような場合は、人工知能プログラム４０は温度の異常を検出し、温度が異常である旨の管理指令を生成して、この管理指令が送信手段５０を介してオンサイト作業者端末６０及びオフサイト作業者端末７０に送信される。   In such a case, the artificial intelligence program 40 detects a temperature abnormality, generates a management command indicating that the temperature is abnormal, and this management command is transmitted to the on-site worker terminal 60 and the off-site via the transmission means 50. It is transmitted to the site worker terminal 70.

例えば、オンサイト作業者Ｐ１が巣箱１００内を直接的に目視して「給餌の必要性」を確認して給餌の必要があると判断し、この判断に基づいて給餌を実行した旨のオンサイトデータＤ１によって、人工知能プログラム４０がこのオンサイトデータＤ１が入力された際の巣箱１００内の状況とオンサイトデータＤ１とを関連づけて学習した場合において、巣箱１００内の状況が学習したときの状況と同様の状況となった場合には、人工知能プログラム４０が、蜂ｂに対して給餌が必要であると判断する。   For example, the on-site worker P1 visually confirms the inside of the nest box 100, confirms that “feeding is necessary”, determines that feeding is necessary, and indicates that the feeding has been performed based on this determination. When the artificial intelligence program 40 learns the situation in the nest box 100 when the on-site data D1 is input and the on-site data D1 in association with the data D1, the situation in which the situation in the nest box 100 is learned When the situation becomes the same, the artificial intelligence program 40 determines that the bee b needs to be fed.

このような場合は、人工知能プログラム４０は、給餌ポンプ１３を駆動させる管理指令を生成して、この管理指令が送信手段５０を介して巣箱１００の巣箱センサ１０に送信される。この管理指令が巣箱センサ１０に送信されると、給餌ポンプ１３が駆動して蜂ｂに対して給餌が実行される。   In such a case, the artificial intelligence program 40 generates a management command for driving the feeding pump 13, and this management command is transmitted to the nest box sensor 10 of the nest box 100 via the transmission means 50. When this management command is transmitted to the nest box sensor 10, the feeding pump 13 is driven to feed the bee b.

このとき、人工知能プログラム４０は、給餌を実行した旨の管理指令及び給餌後の砂糖水の残量を示す管理指令を生成して、この管理指令が送信手段５０を介してオンサイト作業者端末６０及びオフサイト作業者端末７０に送信される。   At this time, the artificial intelligence program 40 generates a management command indicating that feeding has been performed and a management command indicating the remaining amount of sugar water after feeding, and this management command is transmitted to the on-site worker terminal via the transmission means 50. 60 and the off-site worker terminal 70.

さらに、例えば、オフサイト作業者Ｐ２が管理記録画像データＤ３によって「ヘギイタダニの存在〔有・無（不明）〕」を確認してヘギイタダニが存在すると判断し、この判断に基づいてヘギイタダニに有効な薬液の噴射を実行した旨のオフサイトデータＤ２によって、人工知能プログラム４０がこのオフサイトデータＤ２が入力された際の巣箱１００内の状況とオフサイトデータＤ２とを関連づけて学習した場合において、ヘギイタダニが巣箱１００内に存在する場合は、人工知能プログラム４０が、ヘギイタダニが存在すると判断して、ヘギイタダニに対して薬液を噴射する必要があると判断する。   Further, for example, the off-site worker P2 confirms that “the presence of the mite mite [presence / absence (unknown)]” is confirmed by the management record image data D3, and determines that the mite mite is present. When the artificial intelligence program 40 learns by associating the situation in the nest box 100 when the off-site data D2 is input and the off-site data D2 with the off-site data D2 indicating that the injection is performed, If it exists in the nest box 100, the artificial intelligence program 40 determines that the burdock mite is present and determines that it is necessary to inject a chemical against the burdock mite.

このような場合は、人工知能プログラム４０は、薬液噴射ポンプ１４を駆動させる管理指令を生成して、この管理指令が送信手段５０を介して巣箱１００の巣箱センサ１０に送信される。この管理指令が巣箱センサ１０に送信されると、薬液噴射ポンプ１４が駆動してヘギイタダニに対して薬液が噴射される。   In such a case, the artificial intelligence program 40 generates a management command for driving the chemical injection pump 14, and this management command is transmitted to the nest box sensor 10 of the nest box 100 via the transmission means 50. When this management command is transmitted to the nest box sensor 10, the chemical solution injection pump 14 is driven to inject the chemical solution to the spider mite.

このとき、人工知能プログラム４０は、薬液を噴射した旨の管理指令を生成して、この管理指令が送信手段５０を介してオンサイト作業者端末６０及びオフサイト作業者端末７０に送信される。   At this time, the artificial intelligence program 40 generates a management command indicating that the chemical solution has been ejected, and this management command is transmitted to the on-site worker terminal 60 and the off-site worker terminal 70 via the transmission means 50.

このように、本実施の形態に係る管理システム１によれば、巣箱センサ１０及び中継センサ２０によって検出された各データにより構成される環境条件データと、オンサイト作業者端末６０及びオフサイト作業者端末７０に入力された管理記録データとが相関せしめられて、この相関せしめられたデータを教師データとして、蜂ｂの状況を想定しながら人工知能プログラム４０が養蜂の作業を学習する。   As described above, according to the management system 1 according to the present embodiment, the environmental condition data including the data detected by the nest box sensor 10 and the relay sensor 20, the on-site worker terminal 60, and the off-site worker. The management record data input to the terminal 70 is correlated, and the artificial intelligence program 40 learns the beekeeping work while assuming the situation of the bee b using the correlated data as teacher data.

この学習した結果に基づいて、人工知能プログラム４０が蜂ｂの状況に適応した管理指令を自律的に生成することから、蜂ｂの現在の状態に適応した管理を適切に実行することができる。   Based on the learned result, the artificial intelligence program 40 autonomously generates a management command adapted to the situation of the bee b, so that the management adapted to the current state of the bee b can be appropriately executed.

本実施の形態では、蜂ｂの状況に適応させて生成された管理指令に基づいて、給餌ポンプ１３が駆動されて蜂ｂに給餌を実行したり、巣箱１００内に薬液を噴霧したり、あるいはこれら実行した内容をオンサイト作業者端末６０及びオフサイト作業者端末７０に送信したりすることから、オンサイト作業者Ｐ１及びオフサイト作業者Ｐ２が蜂ｂの収容された巣箱１００の管理を行う作業負担及び作業時間を大幅に削減することができる。   In the present embodiment, the feeding pump 13 is driven to feed the bee b based on the management command generated in accordance with the situation of the bee b, or the medicinal solution is sprayed into the nest box 100, or Since the executed contents are transmitted to the on-site worker terminal 60 and the off-site worker terminal 70, the on-site worker P1 and the off-site worker P2 manage the nest box 100 in which the bee b is accommodated. Work load and work time can be greatly reduced.

さらに、管理記録データは管理記録画像データＤ３を含み、環境条件データは環境条件画像データＤ６を含んでおり、人工知能プログラム４０は、これらの各画像データも教師データとして学習することから、複合的なデータに基づいてより精緻な学習を行うことができる。   Furthermore, the management record data includes management record image data D3, the environmental condition data includes environmental condition image data D6, and the artificial intelligence program 40 also learns each of these image data as teacher data. More precise learning can be performed based on accurate data.

（第２実施の形態）
次に、図７〜図９を参照して、本発明の第２実施の形態について説明する。なお、本実施の形態では、管理システムが、住宅における管理対象物である電気機器の管理に適用される場合を例として説明する。 (Second Embodiment)
Next, a second embodiment of the present invention will be described with reference to FIGS. In the present embodiment, a case where the management system is applied to management of an electrical device that is a management target in a house will be described as an example.

図７は、本実施の形態に係る管理システムの概略を説明する図である。図示のように、管理システム２は、住宅に配備される照明１０１、エアコン１０２、テレビ１０３及び炊飯器１０４といった電気機器が接続されて交流電源１２０からの電力を配電する配電盤８０、配電盤８０に設けられて電気機器の消費電力を検知する消費電力センサ８０ａ、消費電力センサ８０ａと通信可能な中継センサ８１を備える。   FIG. 7 is a diagram for explaining the outline of the management system according to the present embodiment. As shown in the figure, the management system 2 is provided on the switchboard 80 and the switchboard 80 to which electric devices such as the lighting 101, the air conditioner 102, the television 103, and the rice cooker 104 deployed in a house are connected to distribute power from the AC power source 120. And a relay sensor 81 that can communicate with the power consumption sensor 80a.

中継センサ８１は、図示しないルータを介して、クラウド８２を実装するサーバ８３と通信可能に接続されている。このサーバ８３は、中継センサ８１と接続してインターネットにアクセス可能に形成され、本実施の形態では人工知能プログラム９０が格納されている。   The relay sensor 81 is communicably connected to a server 83 on which the cloud 82 is mounted via a router (not shown). The server 83 is connected to the relay sensor 81 so as to be accessible to the Internet, and stores an artificial intelligence program 90 in the present embodiment.

さらに管理システム２は、クラウド８２にアクセス可能な端末であるユーザ端末８４を備える。このユーザ端末８４は、本実施の形態では、多機能型携帯端末であるスマートフォンによって構成されている。   Furthermore, the management system 2 includes a user terminal 84 that is a terminal that can access the cloud 82. In this embodiment, the user terminal 84 is configured by a smartphone that is a multifunctional portable terminal.

このユーザ端末８４は、住宅に配備される電気機器を目視で直接的に確認して管理を行う管理者であるユーザＵが保有している。ユーザＵは、本実施の形態では、住宅に居住する居住者であって、電気機器を使用する使用者であり、かつこれらの電気機器を管理する管理者であることが想定されている。   The user terminal 84 is held by a user U who is an administrator who directly confirms and manages the electrical equipment deployed in the house. In this embodiment, it is assumed that the user U is a resident living in a house, a user who uses an electrical device, and an administrator who manages these electrical devices.

図８は、人工知能プログラム９０の構成及び機能の概略を説明する図である。図示のように、人工知能プログラム９０は、データ入力インターフェース９１、演算部９２、検出部９３、及び演算部９２と検出部９３との間に配置される記憶部９４を備える。   FIG. 8 is a diagram for explaining the outline of the configuration and functions of the artificial intelligence program 90. As illustrated, the artificial intelligence program 90 includes a data input interface 91, a calculation unit 92, a detection unit 93, and a storage unit 94 arranged between the calculation unit 92 and the detection unit 93.

データ入力インターフェース９１には、消費電力センサ８０ａで検知された照明１０１の消費電力が照明消費電力データｄ１として、エアコン１０２の消費電力がエアコン消費電力データｄ２として、テレビ１０３の消費電力がテレビ消費電力データｄ３として、更に炊飯器１０４の消費電力が炊飯器消費電力データｄ４として入力される。   In the data input interface 91, the power consumption of the illumination 101 detected by the power consumption sensor 80a is the illumination power consumption data d1, the power consumption of the air conditioner 102 is the air conditioner power consumption data d2, and the power consumption of the TV 103 is the TV power consumption. As data d3, the power consumption of rice cooker 104 is further input as rice cooker power consumption data d4.

本実施の形態では、これら照明消費電力データｄ１、エアコン消費電力データｄ２、テレビ消費電力データｄ３、及び炊飯器消費電力データｄ４によって、管理状態データが構成される。   In the present embodiment, the management state data is constituted by the illumination power consumption data d1, the air conditioner power consumption data d2, the television power consumption data d3, and the rice cooker power consumption data d4.

さらに、データ入力インターフェース９１には、ユーザ端末８４を介してオンサイトデータｄ５が入力される。本実施の形態では、このオンサイトデータｄ５によって管理記録データが構成される。   Further, on-site data d5 is input to the data input interface 91 via the user terminal 84. In the present embodiment, the management record data is constituted by the on-site data d5.

演算部９２は、データ入力インターフェース９１に入力された上記の各データｄ１〜ｄ５からユーザＵによる電気機器の使用傾向を把握し、把握した使用傾向を教師データとして電気機器の管理プロセスを学習し、学習した結果に基づいて、電気機器の使用傾向に適応した管理指令を自律的に生成する。   The calculation unit 92 grasps the usage trend of the electric device by the user U from each of the data d1 to d5 input to the data input interface 91, learns the management process of the electric device using the grasped usage trend as teacher data, Based on the learned result, a management command adapted to the usage tendency of the electric device is autonomously generated.

検出部９３は、演算部９２が生成した管理指令のうち、電気機器の現在の使用状態に適応した管理指令を検出する。一方、記憶部９４は、演算部９２が生成した管理指令を記憶する。   The detection unit 93 detects a management command that is adapted to the current usage state of the electrical device from among the management commands generated by the calculation unit 92. On the other hand, the storage unit 94 stores the management command generated by the calculation unit 92.

このように、人工知能プログラム９０で生成された管理指令は、本実施の形態では、送信手段９６によって配電盤８０を介して照明１０１、エアコン１０２、テレビ１０３及び炊飯器１０４に、選択的あるいは場合によってはこれらのいずれにも送信される。   As described above, in the present embodiment, the management command generated by the artificial intelligence program 90 is transmitted selectively to the lighting 101, the air conditioner 102, the television 103, and the rice cooker 104 via the switchboard 80 by the transmission means 96. Is sent to any of these.

一方、管理指令から逸脱して照明１０１、エアコン１０２、テレビ１０３及び炊飯器１０４が使用され、このような使用状態が消費電力センサ８０ａによって検知されると、送信手段９６によって、ユーザ端末８４に警告が送信される。   On the other hand, if the lighting 101, the air conditioner 102, the television 103, and the rice cooker 104 are used deviating from the management command, and such use state is detected by the power consumption sensor 80a, the transmission unit 96 warns the user terminal 84. Is sent.

次に、図６及び図９を用いて、本実施の形態に係る管理システム２による管理方法の概略及び人工知能プログラム９０が教師データに基づいて電気機器の管理プロセスを学習する手順を説明する。   Next, the outline of the management method by the management system 2 according to the present embodiment and the procedure by which the artificial intelligence program 90 learns the electrical device management process based on the teacher data will be described with reference to FIGS.

図９は、ユーザＵの各電気機器の使用傾向を表したタイミングチャートである。図示のように、ユーザＵが１８時から２３時まで照明１０１を点灯させる場合、照明１０１の使用による消費電力が、消費電力センサ８０ａによって、照明消費電力データｄ１として検知される。   FIG. 9 is a timing chart showing the usage tendency of each electric device of the user U. As illustrated, when the user U turns on the illumination 101 from 18:00 to 23:00, the power consumption due to the use of the illumination 101 is detected as illumination power consumption data d1 by the power consumption sensor 80a.

ユーザＵが７時から８時まで、及び１６時から２３時までエアコン１０２を運転させる場合、エアコン１０２の運転による消費電力が、消費電力センサ８０ａによって、エアコン消費電力データｄ２として検知される。   When the user U operates the air conditioner 102 from 7 o'clock to 8 o'clock and from 16 o'clock to 23 o'clock, the power consumption due to the operation of the air conditioner 102 is detected as the air conditioner power consumption data d2 by the power consumption sensor 80a.

ユーザＵが６時から８時まで、及び１９時から２３時までテレビ１０３を使用する場合、テレビ１０３の使用による消費電力が、消費電力センサ８０ａによって、テレビ消費電力データｄ５として検知される。   When the user U uses the television 103 from 6 o'clock to 8 o'clock and from 19 o'clock to 23 o'clock, the power consumption due to the use of the television 103 is detected by the power consumption sensor 80a as the television power consumption data d5.

ユーザＵが６時から７時まで、及び１８時から１９時まで炊飯器１０４を使用する場合、炊飯器１０４の使用による消費電力が、消費電力センサ８０ａによって、炊飯器消費電力データｄ６として検知される。   When the user U uses the rice cooker 104 from 6:00 to 7:00 and from 18:00 to 19:00, the power consumption due to the use of the rice cooker 104 is detected as the rice cooker power consumption data d6 by the power consumption sensor 80a. The

このように、本実施の形態では、データ入力インターフェース９１を介して、上記のように、照明消費電力データｄ１、エアコン消費電力データｄ２、テレビ消費電力データｄ３及び炊飯器消費電力データｄ４が、人工知能プログラム９０に入力される。   Thus, in the present embodiment, as described above, the illumination power consumption data d1, the air conditioner power consumption data d2, the television power consumption data d3, and the rice cooker power consumption data d4 are artificially transmitted via the data input interface 91. Input to the intelligent program 90.

これら照明消費電力データｄ１、エアコン消費電力データｄ２、テレビ消費電力データｄ３及び炊飯器消費電力データｄ４は、図６で示すように、ステップＳ１において、照明消費電力データｄ１とエアコン消費電力データｄ２とが相関せしめられる等、各データｄ１〜ｄ４の有する特徴に着目されてグルーピングが行われる。   As shown in FIG. 6, the lighting power consumption data d1, the air conditioner power consumption data d2, the television power consumption data d3, and the rice cooker power consumption data d4 are converted into the lighting power consumption data d1 and the air conditioner power consumption data d2 in step S1, respectively. Are grouped by paying attention to the characteristics of the data d1 to d4.

このように、各データｄ１〜ｄ４が有する特徴が抽出されて、その特徴ごとにグループに自動的に分類され、これら各データｄ１〜ｄ４の特徴ごとに評価の重みづけがなされる。   In this way, the features of each of the data d1 to d4 are extracted, automatically classified into groups for each feature, and evaluation weights are assigned to the features of each of the data d1 to d4.

すなわち、人工知能プログラム９０がこれらの各データｄ１〜ｄ４を教師データとして学習する場合において、重みがつけられたデータのグループの学習は、それ以外のグループの学習よりも重点的に行われることとなる。   That is, when the artificial intelligence program 90 learns each of these data d1 to d4 as teacher data, learning of a group of weighted data is performed more preferentially than learning of other groups. Become.

ステップＳ１におけるグルーピングに続いて、ステップＳ２において、グルーピングして分類したグループに、そのグループを構成する各データｄ１〜ｄ４の特徴に基づいた適切なラベリングが実行される。例えば、照明１０１が消灯された時間に関するデータのグループであれば、このグループに適したラベリングが行われる。   Following the grouping in step S1, appropriate labeling based on the characteristics of the data d1 to d4 constituting the group is performed on the group classified by grouping in step S2. For example, if it is a group of data regarding the time when the illumination 101 is turned off, labeling suitable for this group is performed.

ステップＳ２におけるラベリングに続いて、ステップＳ３において、グループを構成する各データｄ１〜ｄ４の特徴とそのグループにラベリングされたラベルとの関連づけが実行される。この関連づけが実行された後、ステップＳ４において、そのグループを構成する各データｄ１〜ｄ４の特徴とそのグループにラベリングされたラベルとの関係を学習する（特徴学習）。   Subsequent to the labeling in step S2, in step S3, the association between the characteristics of the data d1 to d4 constituting the group and the label labeled in the group is executed. After this association is executed, in step S4, the relationship between the features of the data d1 to d4 constituting the group and the labels labeled in the group is learned (feature learning).

その後、ステップＳ５において、特徴学習が終了したか否かが判定され、特徴学習が終了していない場合は、再度、ステップＳ１において、各データｄ１〜ｄ４の有する特徴に着目したグルーピングが行われる。   Thereafter, in step S5, it is determined whether or not feature learning has ended. If feature learning has not ended, grouping is performed again in step S1 while focusing on the features of the data d1 to d4.

ユーザＵの電気機器の使用傾向に基づいた特徴学習が終了し、学習した内容に基づいて生成された管理指令によって電気機器が管理される場合、例えば本実施の形態では、図９の実線で示すように、６時になるとテレビ１０３の電源が入力されるとともに、炊飯器１０４の電源が入力される。７時になると、エアコン１０２の電源が入力される。   When the feature learning based on the usage tendency of the electric device of the user U is completed and the electric device is managed by the management command generated based on the learned content, for example, in the present embodiment, it is indicated by a solid line in FIG. Thus, at 6 o'clock, the power of the TV 103 is input and the power of the rice cooker 104 is input. At 7 o'clock, the power of the air conditioner 102 is input.

８時になると、エアコン１０２及びテレビ１０３の電源が切断される。なお、炊飯器１０４の電源は、炊飯が終了すると、一般的に炊飯器１０４が有する機能的な特性に基づいて、すなわち管理指令によらないで切断される。   At 8 o'clock, the air conditioner 102 and the TV 103 are turned off. In addition, the power supply of the rice cooker 104 will be cut | disconnected based on the functional characteristic which the rice cooker 104 has generally, ie, not based on a management command, when rice cooking is complete | finished.

１６時になると、エアコン１０２の電源が入力され、１８時になると、照明１０１及び炊飯器１０４の電源が入力される。１９時になると、テレビ１０３の電源が入力される。   The power of the air conditioner 102 is input at 16:00, and the power of the lighting 101 and the rice cooker 104 is input at 18:00. At 19 o'clock, the power of the television 103 is input.

２３時になると、照明１０１の電源が切断されて消灯する。照明１０１の消灯と前後して、すなわち、２３時における照明１０１の電源の切断と関連づけて学習された管理指令に基づいて、エアコン１０２及びテレビ１０３の電源が切断される。   At 23:00, the illumination 101 is turned off and turned off. Before and after the lighting 101 is turned off, that is, based on a management command learned in association with turning off the power of the lighting 101 at 23:00, the power of the air conditioner 102 and the television 103 is turned off.

なお、炊飯器１０４の電源は、炊飯が終了すると、上記と同様に、管理指令によらないで切断される。   In addition, the power supply of the rice cooker 104 will be cut | disconnected not based on a management command similarly to the above, when rice cooking is complete | finished.

このように、管理指令によって電気機器が管理されている場合において、管理指令に基づく電気機器の管理にブレが発生した場合、例えば、図９において破線で示すように、２３時に照明１０１の電源が切断されてもテレビ１０３の電源が切断されずに２４時になってからテレビ１０４の電源が切断されるような場合、ユーザＵは、ユーザ端末８４に「テレビの電源が２３時頃に切れるべきところ、２４時になって切れるようになってきた」旨の評価をオンサイトデータｄ５として入力する。   As described above, in the case where the electrical equipment is managed by the management command, when the blurring occurs in the management of the electrical equipment based on the management command, for example, as indicated by the broken line in FIG. If the television 103 is turned off after 24:00 without turning off the power of the television 103 even if it is cut off, the user U will tell the user terminal 84 that “the television should be turned off around 23:00. , The evaluation that “It has come to expire at 24:00” is input as the on-site data d5.

このような場合、オンサイトデータｄ５が入力されると、例えば、オンサイトデータｄ５と消費電力センサ８０ａで検知された照明消費電力データｄ１及びエアコン消費電力データｄ２とが相関せしめられて、管理指令が修正される。   In such a case, when the on-site data d5 is input, for example, the on-site data d5, the illumination power consumption data d1 and the air conditioner power consumption data d2 detected by the power consumption sensor 80a are correlated, and the management command Is fixed.

これにより、電気機器を管理する管理指令にブレが発生した場合であっても、管理指令を適宜修正することができることから、各電気機器の管理を適切に行うことができる。   Thereby, even if it is a case where a blurring occurs in the management command for managing the electrical device, the management command can be corrected as appropriate, so that each electrical device can be appropriately managed.

一方、管理指令に基づいた電気機器の管理から逸脱して電気機器を使用する場合、例えば図９の破線で示すように、７時になるとエアコン１０２の電源が入力されるように生成された管理指令から逸脱して、６時にエアコン１０２の電源を入力すると、エアコン１０２の電源の入力が消費電力センサ８０ａによって検知されて、送信手段９６によって、ユーザ端末８４に警告が送信される。   On the other hand, when using an electrical device that deviates from the management of the electrical device based on the management command, for example, as shown by a broken line in FIG. 9, the management command generated so that the power supply of the air conditioner 102 is input at 7 o'clock. When the power of the air conditioner 102 is input at 6 o'clock, the power input of the air conditioner 102 is detected by the power consumption sensor 80a, and a warning is transmitted to the user terminal 84 by the transmission means 96.

同様に、１８時になると照明１０１の電源が入力されるように生成された管理指令から逸脱して、１７時に照明１０１の電源を入力すると、照明１０１の電源の入力が消費電力センサ８０ａによって検知されて、送信手段９６によって、ユーザ端末８４に警告が送信される。   Similarly, when the power supply of the illumination 101 is input at 17:00, deviating from the management command generated so that the power supply of the illumination 101 is input at 18:00, the power input of the illumination 101 is detected by the power consumption sensor 80a. Then, a warning is transmitted to the user terminal 84 by the transmission means 96.

これにより、人工知能プログラム９０によって生成された電気機器の管理指令から逸脱した電気機器の使用が誤用であるか否かを、ユーザＵが容易に把握することができる。したがって、電気機器の適正な使用が促されることとなる。   Thereby, the user U can easily grasp whether or not the use of the electrical device deviating from the electrical equipment management command generated by the artificial intelligence program 90 is misused. Therefore, proper use of the electric device is promoted.

なお、本発明は上記各実施の形態に限定されることはなく、発明の趣旨を逸脱しない範囲で種々変更可能である。上記第１実施の形態では、管理システム１が蜂ｂを管理対象物とした場合を説明し、上記第２実施の形態では管理システム２が電気機器を管理対象物とした場合を説明したが、例えば、管理対象物がフォークリフト等の重機である場合に、この重機を管理する場合にも適用することができる。   The present invention is not limited to the above-described embodiments, and various modifications can be made without departing from the spirit of the invention. In the said 1st Embodiment, although the management system 1 demonstrated the case where the bee b was made into the management target object, and the said 2nd embodiment demonstrated the case where the management system 2 made the electrical equipment the management target object, For example, when the management target is a heavy machine such as a forklift, the present invention can also be applied to managing this heavy machine.

具体的には、重機の駆動系に用いられているシャフトやパイプ等の部品に、例えば引張センサ等の検出部品を取り付けておき、この検出部品で検出した引張力データや、作業者が目視で確認したオンサイトデータに基づいて、人工知能プログラムが重機の部品の耐久性管理作業を学習する。   Specifically, for example, a detection component such as a tension sensor is attached to a component such as a shaft or pipe used in the drive system of a heavy machine, and the tensile force data detected by this detection component or the operator visually Based on the confirmed on-site data, the artificial intelligence program learns the durability management work of heavy equipment parts.

これにより、人工知能プログラムが、重機の部品の耐用限度に到達したと適切に判断することから、部品の耐久性確認をもれなく行うことができ、かつ速やかに部品の交換、修理等を行うことができる。   This makes it possible for the artificial intelligence program to properly determine that the life limit of heavy equipment parts has been reached, so that the durability of the parts can be checked without fail, and parts can be replaced or repaired promptly. it can.

さらに、例えば、管理対象物が介護施設に入居する入居者が着用するオムツである場合に、このオムツを管理する場合にも適用することができる。   Furthermore, for example, when the management target is a diaper worn by a resident who moves into a care facility, the present invention can also be applied to managing this diaper.

具体的には、入居者の着用するオムツに湿度センサを取り付けておき、この湿度センサで検出した湿度のデータや、介護者が目視で確認したオンサイトデータに基づいて、人工知能プログラムがオムツに***されたか否かの管理作業を学習する。   Specifically, a humidity sensor is attached to the diaper worn by the resident, and the artificial intelligence program is turned into a diaper based on the humidity data detected by the humidity sensor and on-site data visually confirmed by the caregiver. The management work of whether it was excreted or not is learned.

これにより、人工知能プログラムが、オムツに***されたか否かを適切に判断し、かつこの判断に基づいて、オムツに***された場合は、その部分が入居者の身体とベッドとの間に挟み込まれて入居者の身体に褥瘡が発生することを防止すべく管理を行うことができる。   As a result, the artificial intelligence program appropriately determines whether or not the diaper has been excreted, and if it is excreted by the diaper based on this determination, the part is sandwiched between the resident's body and the bed. It can be managed to prevent pressure ulcers from occurring in the resident's body.

１、２ 管理システム
１０ 巣箱センサ（センサ）
１３ 給餌ポンプ（管理実行部）
１４ 薬液噴霧ポンプ（管理実行部）
３０、８３ サーバ
４０、９０ 人工知能プログラム
４２、９２ 演算部
５０、９６ 送信手段
６０ オンサイト作業者端末（端末）
７０ オフサイト作業者端末（端末）
８０ 配電盤
８０ａ 消費電力センサ（センサ）
８４ ユーザ端末（端末）
Ｄ１ オンサイトデータ
Ｄ２ オフサイトデータ
Ｄ３ 管理記録画像データ
Ｄ６ 環境条件画像データ
Ｐ１ オンサイト作業者（管理者）
Ｐ２ オフサイト作業者（管理者）
Ｕ ユーザ 1, 2 Management system 10 Nest box sensor (sensor)
13 Feeding pump (Management execution part)
14 Chemical spray pump (Management execution part)
30, 83 Servers 40, 90 Artificial intelligence programs 42, 92 Calculation units 50, 96 Transmission means 60 On-site worker terminal (terminal)
70 Offsite worker terminal (terminal)
80 Switchboard 80a Power consumption sensor (sensor)
84 User terminal (terminal)
D1 Onsite data D2 Offsite data D3 Management record image data D6 Environmental condition image data P1 Onsite worker (administrator)
P2 Offsite worker (administrator)
U user

Claims (7)

管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出するセンサと、
前記管理者による前記管理対象物の管理の記録が管理記録データとして入力される端末と、
前記センサで検出した前記環境条件データと前記端末に入力された前記管理記録データとを相関せしめて前記管理対象物の状態を想定して把握し、把握した前記管理対象物の状態に基づいて該管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラムと、
該人工知能プログラムで生成された前記管理指令を前記管理者の前記端末に送信する送信手段と、
を備えることを特徴とする管理システム。 A sensor that detects an environmental condition in which an object to be managed managed by an administrator is arranged as environmental condition data;
A terminal into which a record of management of the management object by the administrator is input as management record data;
Correlating the environmental condition data detected by the sensor with the management record data input to the terminal to ascertain the state of the management object, and based on the grasped state of the management object An artificial intelligence program that learns a management process for performing management adapted to the state of the management object, and autonomously generates a management command based on the learned management process;
Transmitting means for transmitting the management command generated by the artificial intelligence program to the terminal of the administrator;
A management system comprising: 前記人工知能プログラムで生成された前記管理指令によって前記管理対象物を管理する管理実行部を備えることを特徴とする請求項１に記載の管理システム。   The management system according to claim 1, further comprising a management execution unit that manages the management target object according to the management command generated by the artificial intelligence program. 前記環境条件データは、
前記管理対象物を撮像した環境条件画像データを含むことを特徴とする請求項１または２に記載の管理システム。 The environmental condition data is
Management system according to claim 1 or 2, characterized in that it comprises an environmental condition image data obtained by imaging the object of control. 前記管理記録データは、
前記管理対象物を撮像した管理記録画像データを含むことを特徴とする請求項１〜３のいずれか１項に記載の管理システム。 The management record data is
Management system according to any one of claims 1 to 3, characterized in that it comprises a control records image data obtained by imaging the object of control. 管理者により管理される管理対象物の使用状態を管理状態データとして検出するセンサと、
該センサで検出した前記管理状態データに基づいて前記管理対象物の使用傾向を想定して把握し、把握した前記管理対象物の使用傾向に基づいて該管理対象物の使用傾向に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラムと、
該人工知能プログラムで生成された前記管理指令に基づいた前記管理対象物の管理の記録が管理記録データとして入力される端末と、
該端末に前記管理指令による前記管理対象物の管理から逸脱した前記管理対象物の管理が実行された場合に警告を送信する送信手段と、を備え、
前記端末に入力された前記管理記録データと前記センサで検出した前記管理記録データとを相関せしめて生成した前記管理指令を修正することを特徴とする管理システム。 A sensor that detects the use state of the management object managed by the administrator as management state data;
Management based on the management status data detected by the sensor, assuming the usage trend of the management target, and managing the management target in accordance with the usage trend of the management target An artificial intelligence program that learns a management process for performing and autonomously generates a management command based on the learned management process;
A terminal to which a management record of the management object based on the management command generated by the artificial intelligence program is input as management record data;
Transmission means for transmitting a warning when management of the management object deviating from management of the management object by the management command is executed on the terminal ,
Management system characterized by modifying the management command generated by allowed correlating said management record data detected by the said management record data which is input to the terminal sensor. センサが、管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出し、
人工知能プログラムが、端末を介して入力された前記管理者による前記管理対象物の管理の記録である管理記録データと前記検出した環境条件データとを相関せしめて前記管理対象物の状態を想定して把握し、把握した前記管理対象物の状態に基づいて該管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成し、
送信手段が、前記人工知能プログラムで生成された前記管理指令を前記管理者の前記端末に送信する、
ことを特徴とする管理方法。 The sensor detects the environmental condition where the management object managed by the administrator is arranged as environmental condition data,
The artificial intelligence program assumes the state of the management object by correlating the management record data that is a record of management of the management object by the administrator and the detected environmental condition data that are input via a terminal. And learning a management process for performing management adapted to the state of the management object based on the state of the management object, and autonomously issuing a management command based on the learned management process. generated,
A transmission means transmits the management command generated by the artificial intelligence program to the terminal of the manager.
A management method characterized by that. 管理実行部が、前記人工知能プログラムで生成された前記管理指令によって前記管理対象物を管理することを特徴とする請求項６に記載の管理方法。 The management method according to claim 6 , wherein the management execution unit manages the management target according to the management command generated by the artificial intelligence program.

Images