冷蔵庫の背面や冷凍室の壁面に付着する「霜」の形状、密度、分布を分析することで、庫内の温度変化と開閉履歴を推測するためのプロンプトセットである。このプロンプトは、撮影した霜の写真を視覚的に解析し、熱力学的な変位を逆算するために設計されている。 ### 1. 霜の形状分析用・視覚認識プロンプト 以下のプロンプトを、霜の状態を撮影した画像とともにAIに入力することで、物理的な状態変化のログを抽出する。 ```markdown # Role: 熱力学解析エンジニア # Input: 冷蔵庫内の霜の画像 以下のステップで、画像内の霜の形状から庫内環境を分析せよ。 ## ステップ1：形態的分類 霜を以下の3つのカテゴリーに分類し、それぞれの面積比率を出力せよ。 1. 「針状結晶」：急激な温度低下や高い湿度による成長。 2. 「粒状・固形氷塊」：融解と再凍結（温度上昇と低下の繰り返し）の痕跡。 3. 「層状・薄膜」：長期間の安定的な結露と凍結。 ## ステップ2：熱力学的逆算 各分類に基づき、以下のパラメータを推測せよ。 - 庫内温度の平均変動幅（摂氏） - 開閉頻度（高・中・低） - 冷却器の除霜サイクルの正常性 - 密閉パッキンの劣化の可能性（外気流入の兆候） ## ステップ3：出力形式 結果は以下の表形式で出力すること。 | 霜のタイプ | 推定される物理現象 | 改善のための推奨アクション | | :--- | :--- | :--- | | [タイプ名] | [現象名] | [アクション] | ``` ### 2. 霜の成長パターンによる温度変化シミュレーション・コード 霜の厚みと時間経過から、庫内の温度変化を数学的にモデリングするためのPythonスクリプト。 ```python import numpy as np def estimate_temp_fluctuation(frost_thickness_mm, time_hours): """ 霜の成長率から庫内の平均温度変化を推定する関数 :param frost_thickness_mm: 霜の厚さ (mm) :param time_hours: 観察期間 (時間) :return: 推定温度変化量 (ΔT) """ # 物理定数：空気中の水分含有量と結露の相関係数 moisture_constant = 0.05 # 計算ロジック：成長率が時間に対して非線形であると仮定 growth_rate = frost_thickness_mm / time_hours delta_t = growth_rate * 10 * moisture_constant return round(delta_t, 2) # 使用例 thickness = 4.5 # mm duration = 72 # hours fluctuation = estimate_temp_fluctuation(thickness, duration) print(f"推定される庫内温度の平均変動幅: {fluctuation}℃") ``` ### 3. 霜の分布状況チェックリスト（現場観察用） 霜の「つき方」を観察することで、物理的な故障箇所を特定するための判断基準リスト。 1. **特定の角だけに霜が集中している場合** - 診断：パッキンの歪みによる「冷気漏れ」。 - 確認：パッキンと本体の間に紙を挟み、抵抗なく抜ける箇所がないか確認すること。 2. **全体的に薄い膜状の霜が広がっている場合** - 診断：庫内湿度の過剰。 - 確認：食品のラップ状態や、扉を開けている時間の合計を確認すること。 3. **霜が異常に硬く、再凍結を繰り返した跡がある場合** - 診断：除霜センサーまたはヒーターの機能不全。 - 確認：冷却器周辺の温度計測を行い、除霜サイクルが作動しているか確認すること。 ### 4. 思考フレームワーク：なぜその形状になったのか？ 霜を「神経系の結晶」のように捉え、以下の問いを繰り返すことで隠れた故障をあぶり出す。 - **問い1：その霜は「雪」か「氷」か？** - 雪状（針状）であれば、急激な温度変化が起きている。氷状であれば、温度の上下が繰り返されている。 - **問い2：その形状に「方向性」はあるか？** - 特定の方向に伸びている場合、冷気の対流ルートに障害物や隙間があることを示唆する。 - **問い3：以前の形状との「時間的連続性」は？** - 前回の清掃から何日でその厚さに達したか。この成長速度が、冷却サイクルの異常の「データ」となる。 以上のツールを使用し、霜をただの汚れとしてではなく、庫内環境の熱力学的推移を記録した「物理的ログ」として活用せよ。