高額な機械学習クラウド料、竹中工務店の削減術
竹中工務店の建物管理システムプラットフォーム「ビルコミュニケーションシステム（ビルコミ）」では、マイクロソフトの機械学習クラウドサービス「Azure ML」で複数ビルの需要予測も実現できたが、利用料の高騰という課題が生じた。粕谷氏は「これまでは1棟での予測だったが、複数棟になったことでデータ量が急増した」ことを一因とする。 ビル内のセンサーから収集したデータをそのままAzure MLに転送していたことも、利用料を押し上げた。大量のデータを処理していたため、処理時間が長くなったからだ。Azure MLの利用料は処理時間に連動する。 粕谷氏は「以前は一度の処理に約70時間掛かり、利用料は1回で2万円近くになった。これでは運用には耐えないと判断した」と語る。 負荷予測システムはAzure MLのほかにも、AzureのPaaSを複数利用している（図4）。
竹中工務店、機械学習で予測誤差3％以下に
竹中工務店は「IoT（Internet of Things）」などの先端技術を使ったビル管理システムのビジネス化に取り組んでいる。2016年7月には複数ビル内の各種センサーデータをクラウド上に収集、分析し、米Microsoftの機械学習クラウドサービス「Azure Machine Learning（ML）」で消費電力量を予測する仕組みを構築した。蓄電池などをリアルタイム制御するシステムと組み合わせることで、電力自由化での有利な料金体系を利用しやすくする。 竹中工務店は2016年7月、自社関連の三つのビルをクラウド上で仮想的につなぎ、消費電力量の需要予測から実際の消費までを1棟として制御する仕組みを構築した。同社東京本店ビル、東陽町インテスビル、TAK新砂ビルを対象とした「新砂エリアVPP（バーチャルパワープラント）」の構築に向けた実証実験を実施している。 新砂エリアVPPは複数の建物に設置
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
