近藤浩一

Society 5.0是兼备“解决课题”和“创造未来”视点的新型发展模式。为SDGs（可持续发展目标）的实现作出了巨大的贡献。

大楼智能化的发展趋势

为了在应对快速城市化进程的同时减少环境负荷，实现以办公为主的大楼智能化便成为了一个非常重要的问题。最近也涌现出了不只停留在舒适性，更综合地考虑健康，舒适，智能生产力等方面的观点。然而，由于大楼建成后需长期使用，针对各种机器损耗情况的管理与维护作业，投入使用后发现的各种状况运用的改善，居住者的迁入迁出、格局或用途的变更等情况的准确应对等各种状况来进行持续掌握和优化尤为重要。为应对这类课题，通过IoT技术进行大楼数据收集，利用收集好的数据进行大数据分析诊断，并将分析后建立的模型与最优化适宜的技术相结合以实现高效化等作为目标推进开发研究。

大数据收集·分析基础的川崎智能社区中心

东芝集团的川崎智能社区中心于2013年10月开放，不仅作为技术先进且环境友好型办公大楼，更是导入东芝智能BEMS（Building Energy Management System）让先进的大楼方案得以实际验证、体验的场所。该楼作为大楼关联IoT技术的实际验证试验场所，楼内监控系统中取得的数据，空调机，供热机的运转数据，人员出入信息，员工食堂的使用情况等相关数据均存储到云端，并借由大数据化，运用于各种研究开发中。随着如数字扫描等大规模数据排列分散处理技术在相关配套试验的灵活运用，经由活用多样数据的机械学习，被用于新的应用开发。

活用机械学习的空调温度传感的异常诊断

大楼的保养点检是一项负担大且要求高效化的工作。空调系统相关的点检作业确认温度传感器是否输出正确数值。传感器的测量值稳定发生的误差称为动向异常，此现象虽然与系统整体的能源消耗和性能劣化相关，但是由于个别传感器误差很小，加上临界值的检测困难，经反馈调节从外观系统看上去跟正常运作一样，很难被发现。

灵活运用作为大数据进行存储的大楼的各类数据，利用温度传感器正常运转的数据并通过机械学习构筑模式，以此为基础开发异常诊断技术。通过仅学习正常运转时得到的数据 “无师自通”构建出的模型与常规运用时的数据进行经常性比较，相较用于学习的过去正常运转情况，包含各种数据平衡在内有任何异常的情况时，输出的不稳定程度（偏离正常值的程度）的数值会变大。通过活用此模型，可检测出任何可能发生异常的情况。

然而在实际运用上，若不指定异常传感器，就无法改善具体业务流程。因此，如果对异常和假定的传感器数值进行动向异常相当的补正，着眼于模型输出的不稳定度的变小，寻找疑似动向异常的传感器，实现按照疑似程度高低排列传感器的功能。对排列靠前的传感器优先进行点检，以实现工作的高效化和能源消费的节省。

创建贯穿大楼使用年限的数据活用机制

大楼设计时，基于三次元设计的BIM（Building Information Modeling）的运用正蓬勃发展。加上设计时的BDM数据，利用实际大楼运作所获得的数据，建立符合实际的大楼能源利用相关模型BEM（Building Energy Model），并对此进行持续调整，便能达到节能且适合的运用效果。东芝联合美国卡内基梅隆大学，运用川崎智能社区中心的数据，共同研究活用BIM数据的BEM制成，以及通过实际运用数据达到的高精度化，针对模型的模拟实验评价及运用的应对等。通过基于实际数据建立的模型，以及高精度的实现，才可通过模拟实验对各种运转模型的调整进行比较研究。本研究成果可用于针对未来改善空调控制情况而制定的验证模拟装置和设备机器长期维护计划中。

根据图像识别活用大楼内部人流数据

通过电梯防止混杂的观点，以及无人时自动切断照明以实现节能，预估空调的热负荷量等各种观点来掌握大楼内部人员情况十分重要。东芝开发了可利用图像识别计算人数，推测活动量的多功能图像传感器。图像识别技术可以運用在电梯用图像传感器上，也可活用于乘客乘坐电梯的意向判断或电梯门周围的“防止撞夹”功能上，有利于提高电梯的运转效率和安全性。