AIと建物の運用: 人、データ、信頼の基盤の構築

最近では、人工知能とそのサブセットである機械学習が注目のキーワードになっています。ディープフェイク、誤報、偏見、プライバシー、社会倫理のリスクに関する悲観的な論調が広がる中、テクノロジー大手のGoogle、Microsoft、IBMにおけるAI関連の研究開発は急速に進んでいる。

しかし、投資しているのはテクノロジー企業だけではない。シーメンス、ハネウェル、ジョンソンコントロールズなどの企業も、クラウドベースのスマートビル管理システム（BMS）プラットフォームにAIアルゴリズムを統合し、履歴データとリアルタイムデータに基づいて実用的な予測決定を下すことで、運用コストを削減し、エネルギーと居住者の体験の目標を達成しています。アルゴリズムは、最適な設定を計算し、機械学習システムが建物のライフサイクルのパターンを識別するための詳細な指示を提供します。

BMS プラットフォーム プロバイダーの中には、アルゴリズムを開発するための社内 AI チームを抱えているところもあれば、Intel、IBM、Accenture、Infosys などの AI コンサルティングおよび開発サービス企業と提携しているところもあります。たとえば、Honeywell のコネクテッド セーフティ プラットフォームは、Intel のビジョン製品と高度な分析、ディープラーニング、顔認識機能を組み合わせています。

人工知能とインテリジェント環境

スマート ビルディング オートメーションに AI を導入するには、プロジェクトのエネルギー負荷、システム パフォーマンス、占有率とスペース利用率、ユーザー満足度、温度、湿度、空気の質、照明、騒音レベルなどの環境統計などの大規模なデータ セットが必要です。 AI は、気象パターン、気候の傾向、エネルギーのピーク、セキュリティ上の脅威などの外部要因を考慮に入れる場合があります。検証、フィルタリング、分析が必要なデータの量は、1 人の人間が効果的に解釈して対応するには複雑すぎるため、ここで AI が役立ちます。

たとえば、エネルギー使用量を削減するために、AI は暖房や空調の調整を開始する前に、占有状況、スペースの使用パターン、ピーク需要などのデータを分析します。機械学習アルゴリズムは履歴データを精査して HVAC システム内の異常を検出し診断し、所有者にメンテナンスのスケジュールを立て、必要に応じてバルブ、ファン、フィルター、コントローラーを調整するよう促します。

ニューヨークに拠点を置くPrescriptive Dataのマーケティングおよびパートナーシップ担当副社長、ゲイリー・チャンス氏は、同社のAI/MLクラウドベースプラットフォームであるNantum OSはすでにユーザーに大きなメリットをもたらしていると語った。 「漏れを事前に検知し、出社時間に基づいてシステムを自動的に起動し、AI を使って需要管理を自動化することで、数千ドルを節約できました」と彼は言います。このプラットフォームは、ピーク時間前に蒸気タンクを自動的に予熱して充填することで、ニューヨークでの蒸気支出も削減しました。

昨年、同社はWELL認証のデータ報告要件の44%がAIを使用して自動化できることを発見しました。当然のことながら、WELL、Fitwel、LEED、およびその他の建物認証プログラムの自動レポートも、現在では同社のサービス提供の 1 つとなっています。

AIと建物の運用: 人、データ、信頼の基盤の構築

Nantum OS ダッシュボードの一部として、ユーザーは現在の電力と蒸気の需要と予測を表示したり、室内の温度を追跡したり、リアルタイムの占有状況などを確認したりできます。

AIと建物の運用: 人、データ、信頼の基盤の構築

Nantum OS のこのスクリーンショットでは、建物のエネルギー需要が 187 kW のピークに近づいています。 Nantum は、新たなピークを回避するために、建物の需要を自動的に削減します (赤いボックスで示すように)。この活動により、快適レベルを6%低下させながら99キロワットの電力を節約し、建物に年間を通じて数千ドルの節約をもたらすことが期待されます。

クラウドベースのプラットフォーム BrainBox AI は、天気予報をエネルギー最適化アルゴリズムに統合します。 「このシステムは、建物内のセンサーデータと最寄りの気象観測所からの気象データを活用し、建物内外で何が起こっているかをリアルタイムでシステムに学習させる」と、同社の最高製品責任者オマール・タバ氏は語った。 「当社の AI システムは、特定の予測に基づいて、95% 以上の精度で将来の状況を予測できます。データによると、屋外の気温は 2 時間後に華氏 78 度 (摂氏 25 ～ 26 度) になるが、屋内環境は華氏 72 度 (摂氏約 22 度) に維持したい場合、システムはファンをいつ、どのレベルでオンにすれば追加のエネルギー消費と費用を回避できるかを認識します。」

職場環境では、AI はカフェテリアの混雑時間を従業員に通知し、スペースのニーズを予測するだけでなく、リアルタイム データに基づいてエリアを調整できます。 「ほとんどのスマートビルは、予定されているイベントや占有状況、温度や湿度のレベルに基づいてオーバーライドされる設定値で稼働しています」と、ハネウェル コマーシャル スマートビルの製品管理担当シニア ディレクター、ダニ スターン氏は述べています。

「ハイブリッド ワークでは、占有率を予測してスケジュールを立てることが非常に難しくなります。AI は複数のセンサーから過去および実際の占有率情報を分析して、スペースの最適化に役立ちます。シスコと提携して、同社の Wi-Fi システムを使用して、スマートフォンの接続に基づいて歩行者の動きを三角測量しました。」

それでも、スペースの最適化に ROI を割り当てることは難しい場合があり、価値が保証されないと、特定のユースケースでの AI の導入に支障が出る可能性があります。 「AI は、空気、照明、空間の質、オフィスに戻ってくる人数などの指標に基づいて従業員の満足度を判断し始めています」と、世界的なエンジニアリング会社 WSP のインテリジェント ソリューション担当副社長、ルーシー カサシア氏は説明します。「しかし、エンターテイメント、ホスピタリティ、公共スペースのユーザー エクスペリエンスの最前線では、AI への投資がさらに増えるでしょう。」

人工知能はセキュリティシステムにおいて勢いを増しています。このテクノロジーは、侵入、武器や銃撃の検出、監視ビデオの分析、事件報告に基づいて、封鎖、緊急警報、緊急対応者への通知を開始します。カサシア氏はまた、「ヒートマップを使ってパターンや動きを監視し、小売環境での盗難（通常より速く動いている人など）を検出するシステム」も見据えている。運輸部門では、AIと機械学習によって「顔認識を通じて感情や幸福度を測定し、旅行者が混乱しているかどうかを判断できる」。

たとえば、ロンドンの新しい高速鉄道 HS2 線の一部であるスーパーハブ乗換駅である英国のオールド オーク コモンでは、最近、計画段階で AI を使用して駅の標識を最適化しました。プロジェクトチームは、数十人の一般人とデザイナーを仮想駅の案内に招待し、視線追跡機械学習、人工知能、スウェーデン企業Tobiiの高度な信号処理技術を使用して、旅行者の感情、興味、注意散漫を分析した。ここで、AI はパニックやイライラなどの明白な感情を報告することで安全性を向上させる可能性があります。

AI導入の障壁

AIの受容は拡大しているものの、多くの消費者はデータのプライバシー、偏見、倫理に対する懸念から依然として警戒を強めています。こうした懸念は、サイドウォーク・トロント（別名キーサイド）などのAIベースのスマートシティプロジェクトの失敗にもつながり、アルファベットの子会社であるサイドウォーク・ラボは2020年にこのプロジェクトを中止した。しかし、ウォーターフロント・トロントは今年初め、キーサイドの新たな再開発を発表し、大きな話題を呼んだ。しかし、同社はスマートシティの機能とデータ収集に重点を移し、手頃な価格の住宅、持続可能性、多様性、公平性、包摂性に焦点を当てています。

「AI技術は急速に発展しており、否定的な報道は多くの人々を不安にさせている」とカサシア氏は語った。 「トロントで見られたように、こうした懸念は住宅環境ではより重要だ」と彼女は言う。IDカードなどの個人データが頻繁に使用される商業ビルや公共スペースではプライバシーが問題になるべきではない、と彼女は言う。 「データガバナンスと標準が確立され、関係者と居住者が分析対象のデータを理解していれば、AIはスマートビルで進化し、成長し続けるでしょう。」

タバ氏は、サイバーセキュリティも建築業務への導入のスピードを制限しているもう一つの問題だと付け加えた。 「データ アクセスに対する厳格な制御、十分な冗長性、災害復旧、脆弱性を特定するための継続的なサードパーティ テストが必要です。これらはすべて、現代の AI サイバー セキュリティ戦略のベスト プラクティスです。」たとえば、BrainBox AI は、SOC 2 などの情報セキュリティ標準に従って、転送中および保存中のデータを暗号化します。アイルランド、オーストラリア、モントリオールに拠点を置き、さまざまなタイムゾーンをカバーするスタッフが、顧客の建物を24時間365日監視し、計画されたメンテナンス、脅威、その他のイベントによりいつでもAIをシャットダウンできます。

スマートビルディング分野で AI を活用している多くの技術専門家は、信頼が導入拡大の鍵であると考えています。 「早期導入者がこの取り組みに乗り出しているのを目にしています」とスターン氏は言う。「しかし、特にクラウドベースのデータと自動化に関しては、依然として不安や懐疑的な見方があります。信頼が高まるにつれて、テクノロジーは進化します。その間、私たちは AI を使って推奨事項を提示し、顧客が行動を起こせるようにすることができます。また、顧客は好みに応じて、プライベート クラウド アプローチやオンサイトでホストされるシステムを選択することもできます。」

業務におけるAIと雇用の代替

AI は仕事の一部の側面をカバーしますが、パラメータの定義とアルゴリズムのプログラミングには常に人間の入力が必要になります、と WSP のカサシア氏は言います。「この技術は、人間によるチェックと説明責任のもとで統制され、管理される必要があります。航空機は自律飛行するかもしれませんが、操縦するのは依然として人間のパイロットです。」

言い換えれば、ビルの運営者は油断すべきではないということです。

ハネウェルはクラウドベースのForgeプラットフォーム上でAIの開発を続け、他のテクノロジープロバイダーとの公開討論に参加していますが、スターンは人材が不可欠な存在であり続けると考えています。 「ここには革新の余地が大いにあり、私たちはデジタルツインやスマートビルディングテクノロジー企業と協力して、システムがオープンでアクセスしやすく、統合を可能にするよう努めています」と彼は語った。 「とはいえ、人間より優れたセンサーは存在しません。だからこそ私たちは、AI分析のデータセットの一部となる評価システムを通じて、居住者が清潔さや快適さなどの要素についてフィードバックを提供できるシステムも構築しています。」

AIと建物の運用: 人、データ、信頼の基盤の構築

Forge ダッシュボード、Honeywell Building Technologies

AIと建物の運用: 人、データ、信頼の基盤の構築

ハネウェルは、人間の入力の重要性を認識し、ユーザー フィードバックを分析するためのクラウドベースのユーザー エクスペリエンス ダッシュボードとアプリケーションを立ち上げました。

データに依存する建物のパフォーマンス報告要件が出現するにつれ、チャンスは、AI と人間がよりエネルギー効率が高く効率的な環境で繁栄する機会があると考えています。 「25,000平方フィートを超えるほとんどの建物が新しいエネルギー効率と炭素排出規制を満たすことを義務付けるニューヨーク州地方法97のような規制により、建物データとテナントデータの両方がロードマップに載せられるようになるだろう」と彼は語った。 「不動産業界は一般的にテクノロジーの導入が2年遅れているため、今後数年間で建築業務におけるAIの利用が増加する可能性があります。しかし、結局のところ、人間は依然として必要です。」

準備ができていようがいまいが、AIはやってくる

すべての AI および機械学習アルゴリズムでは、パターンや問題を学習して発見するために大規模なデータセットが必要です。アルゴリズムが深くなるほど、必要なデータも多くなります。 「十分な高品質のデータを持つことが今のところ最大のハードルだ」とカサシア氏は語った。 「まず、利害関係者の要件とそれらの要件を満たすために必要なデータの種類を特定し、次に保護する必要があるデータ、保存するデータの量と期間を決定します。次のステップは、適切な入力と出力を通じてデータの品質を確保することです。」

初期データ マッピングでは、さまざまなソースのデータ フィールドが一致し、継続的なマッピングのために検証ルールとデータ フローを決定する必要があります。 BrainBox AIのウェブサイトによれば、同社のAIエンジンが建物のデータを学習してマッピングするには、施設の規模に応じて2～4か月かかる可能性があるという。

「建物のデータをマッピングするのは、履歴データがなく、レガシーOTベースやITベースのさまざまなシステムからの何千もの入力がある既存の建物では困難です」とハネウェルのスターン氏は語った。 「この技術を活用するには、すべてのデータを 1 つのストリームにまとめる必要があります。」

スマート ビルの所有者と運営者は、ソリューション プロバイダーと連携して既存のシステムを評価し、成果を達成するために必要なデータとアクションに基づいて機器とデバイスが適切に配置されていることを確認できます。 「その後、既存のシステムを見直し、データの取得、分析、処理に必要なハードウェア、ソフトウェア、センサー、アクチュエーター、その他の機器の範囲を推奨します」とチャンス氏は語った。同氏は、クラウドベースの BMS プラットフォームは AI アルゴリズムを統合しているが、Prescriptive Data の Nantum OS などのソリューションは、BACnet などのさまざまなプロトコルを読み書きしてデータを適切な形式に変換できるクラウドまたはオンサイトのエッジ ゲートウェイを介して既存のシステムと統合できる最適化レイヤーとして機能すると述べました。

BrainBox AI も人工知能をベースにした最適化レイヤーです。 「ソフトウェア ドライバーを介して、またはクラウドベースのソフトウェアにデータをインポートできるゲートウェイを導入することで、既存のクラウドベースの BMS プラットフォームやローカル システムに直接接続できます」とタバ氏は言います。しかし、既存の建物の多くはシステムに接続できないため、BrainBox AI は革新する必要がありました。 「当社はお客様と協力して、既存のサーモスタットを Wi-Fi 対応のものに交換します。あるいは、給気温度センサーと CO2 センサーを追加して、ファン、ダンパー、エコノマイザー、その他のデバイスを制御する出力の読み取りと書き込みができるようにする必要があるかもしれません。」

他の新興テクノロジーと同様に、スマートビルの所有者と運営者は、価値を実現し、目的を達成するためには慎重に進める必要があります。 「スマートビルのオーナーは、差別化を図りたいがために、期待に応えない技術を導入したいと考えることがある」とカサシア氏は言う。 「AI と機械学習はスマート ビルの運用戦略の一部である必要がありますが、価値を提供できるものを注意深く理解する必要があります。時にはシンプルにしておくことが美しいこともあります。」

出典: smartbuildingstech