東芝：為可持續發展筑建智能化大樓

近藤浩一

Society 5.0是兼備“解決課題”和“創造未來”視點的新型發展模式。為SDGs（可持續發展目標）的實現作出了巨大的貢獻。

大樓智能化的發展趨勢

為了在應對快速城市化進程的同時減少環境負荷，實現以辦公為主的大樓智能化便成為了一個非常重要的問題。最近也涌現出了不只停留在舒適性，更綜合地考慮健康，舒適，智能生產力等方面的觀點。然而，由于大樓建成后需長期使用，針對各種機器損耗情況的管理與維護作業，投入使用后發現的各種狀況運用的改善，居住者的遷入遷出、格局或用途的變更等情況的準確應對等各種狀況來進行持續掌握和優化尤為重要。為應對這類課題，通過IoT技術進行大樓數據收集，利用收集好的數據進行大數據分析診斷，并將分析后建立的模型與最優化適宜的技術相結合以實現高效化等作為目標推進開發研究。

大數據收集·分析基礎的川崎智能社區中心

東芝集團的川崎智能社區中心于2013年10月開放，不僅作為技術先進且環境友好型辦公大樓，更是導入東芝智能BEMS（Building Energy Management System）讓先進的大樓方案得以實際驗證、體驗的場所。該樓作為大樓關聯IoT技術的實際驗證試驗場所，樓內監控系統中取得的數據，空調機，供熱機的運轉數據，人員出入信息，員工食堂的使用情況等相關數據均存儲到云端，并借由大數據化，運用于各種研究開發中。隨著如數字掃描等大規模數據排列分散處理技術在相關配套試驗的靈活運用，經由活用多樣數據的機械學習，被用于新的應用開發。

活用機械學習的空調溫度傳感的異常診斷

大樓的保養點檢是一項負擔大且要求高效化的工作?？照{系統相關的點檢作業確認溫度傳感器是否輸出正確數值。傳感器的測量值穩定發生的誤差稱為動向異常，此現象雖然與系統整體的能源消耗和性能劣化相關，但是由于個別傳感器誤差很小，加上臨界值的檢測困難，經反饋調節從外觀系統看上去跟正常運作一樣，很難被發現。

靈活運用作為大數據進行存儲的大樓的各類數據，利用溫度傳感器正常運轉的數據并通過機械學習構筑模式，以此為基礎開發異常診斷技術。通過僅學習正常運轉時得到的數據 “無師自通”構建出的模型與常規運用時的數據進行經常性比較，相較用于學習的過去正常運轉情況，包含各種數據平衡在內有任何異常的情況時，輸出的不穩定程度（偏離正常值的程度）的數值會變大。通過活用此模型，可檢測出任何可能發生異常的情況。

然而在實際運用上，若不指定異常傳感器，就無法改善具體業務流程。因此，如果對異常和假定的傳感器數值進行動向異常相當的補正，著眼于模型輸出的不穩定度的變小，尋找疑似動向異常的傳感器，實現按照疑似程度高低排列傳感器的功能。對排列靠前的傳感器優先進行點檢，以實現工作的高效化和能源消費的節省。

創建貫穿大樓使用年限的數據活用機制

大樓設計時，基于三次元設計的BIM（Building Information Modeling）的運用正蓬勃發展。加上設計時的BDM數據，利用實際大樓運作所獲得的數據，建立符合實際的大樓能源利用相關模型BEM（Building Energy Model），并對此進行持續調整，便能達到節能且適合的運用效果。東芝聯合美國卡內基梅隆大學，運用川崎智能社區中心的數據，共同研究活用BIM數據的BEM制成，以及通過實際運用數據達到的高精度化，針對模型的模擬實驗評價及運用的應對等。通過基于實際數據建立的模型，以及高精度的實現，才可通過模擬實驗對各種運轉模型的調整進行比較研究。本研究成果可用于針對未來改善空調控制情況而制定的驗證模擬裝置和設備機器長期維護計劃中。

根據圖像識別活用大樓內部人流數據

通過電梯防止混雜的觀點，以及無人時自動切斷照明以實現節能，預估空調的熱負荷量等各種觀點來掌握大樓內部人員情況十分重要。東芝開發了可利用圖像識別計算人數，推測活動量的多功能圖像傳感器。圖像識別技術可以運用在電梯用圖像傳感器上，也可活用于乘客乘坐電梯的意向判斷或電梯門周圍的“防止撞夾”功能上，有利于提高電梯的運轉效率和安全性。