ソリューション導入事例あらゆるデータを分析の対象にカーネギーメロン大学は、クラウド型の機械学習ソリューションにより、エネルギー消費を20パーセント削減する方法を考案しました。「 Azure Machine LearningとPI Systemは、誰もが扱えるセルフサービス型の予測分析の先がけとなると見ています。そしてそれは容易に想像できることです。」カーネギーメロン大学、建物性能診断センター、研究員、Bertrand Lasternas氏カーネギーメロン大学（CMU）は、Microsoft Azureと、MicrosoftグローバルISVパートナーのOSIsoftが提供するPI System™ を使用して、建物の保守コストとエネルギーコストを削減しました。CMUでは現在、Azure Machine Learningを追加して、より優れた障害検出、診断、効率的な運用を実現しています。こうした機能が備わったことで、同大学の職員は高度な分析機能を利用し、運用状況を詳細に調べたり、より適切な決定を下したりできるようになりました。消費エネルギーを20パーセント削減する方法も考案されました。写真: ©Carnegie Mellon University.All rights reserved. 「エネルギー消費を削減し、一部のエネルギーの使用を、需要とコストが低い時間帯に変更することで、これだけの削減効果が得られます。」カーネギーメロン大学、建物性能診断センター、研究員、 Bertrand Lasternas氏ビジネスニーズカーネギーメロン大学は、キャンパス内のビッグデータの扱い方という課題に直面していました。ビッグデータは、天体物理学と同様に建物管理でも種々雑多なデータで構成されています。建物管理のカテゴリーについては、CMUの建物性能診断センターで、同大学が所有する建物の運用効率と施設の運用効率が世界規模で研究されています。建物の運用効率を監視する場合、種々雑多なデータを収集し分析するというのが従来の方法です。データの取得には、暖房次にCMUは、リアルタイムの予測分析機能を追加しようと考えました。そうすれば建物管理者は、たとえば使い古した部品を障害発生前に修理や交換することで、未然に対策を施すことができます。さらに、ビルディングオートメーションシステム運用時のコスト効率と正確さも高めたいと考えました。それには、たとえば温度調節機をいつどの程度調整すれば、望ましい温度を事前に設定できるかを予測する機能などが挙げられます。CMUが必要としていたのは、短期間で簡単に実装でき、技術者でなくても日常的に利用できる予測分析機能でした。と冷房、照明、換気、コンセントにかかる負解決策荷、セキュリティシステムなど、あらゆるも以上の目標を達成するために、同大学のを制御しているセンサーや駆動装置をは、Microsoft Azureのサービスとして使用します。こうしたシステムに、故障の予のプラットフォーム（PaaS）であるAzure 測や消費エネルギー削減といった課題を Machine Learningでソリューションを拡解決する能力はありません。そのため、シ張しました。Azure Machine Learningは、ステム障害やエネルギーの浪費によって視覚的にきわめて優れたインターフェイ多額の費用が生じる結果となっています。スと、事前設計済みのモデルおよびテンプレートを使用することで、予測モデル CMUは2011年に、センサー、データ、ユーの構築とトレーニングに伴う時間とコスザーを結び付けるためのインフラストラトを削減し、複雑さを軽減します。このたクチャとしてPI Systemを導入し、リアルタめ、PI Systemなどのアプリケーションとイム表示のダッシュボードを通じて、施設予測モデルの併用が可能になります。のパフォーマンスをリアルタイムに分析する機能を運用開始しました。2013年に CMUはAzure Machine Learningに併せてはMicrosoft Power BI for Ofﬁce 365の PI Systemの履歴データも使用し、環境制セルフサービス型ビジネスインテリジェ御システムのコンポーネントの障害検出とンス機能でこのソリューションを拡張し、診断という課題に対処しました。環境制御 Microsoft Azureのサービスとしてのインシステムコンポーネントは壁の中や床下フラストラクチャ（IaaS）を使用して、オンプに設置されているため、目視検査ができなレミスとクラウドで構成されたハイブリッい場合があるからです。CMUの研究者はド環境へとPI Systemを移行しました。概要顧客: カーネギーメロン大学顧客のWebサイト: www.cmu.edu 顧客の規模: 従業員数5,000人所在地: 米国業種: 教育̶大学パートナー: OSIsoft, LLC パートナーのWebサイト: www. osisoft.com プロフィールペンシルバニア州ピッツバーグに本部を置くカーネギーメロン大学は、カーネギー工科大学など世界的に有名な7つの学校と大学を備えた研究機関です。バルブをゆるめて放出した水の温度をる稼働中のリポジトリへとリアルタイムに送基に、システムの性能を評価しました。信され、Azure Machine Learningによって PI SystemとAzure Machine Learningを解析に使用されます。予測分析機能は使用し、予想される水温と実際の水温 Power BIを通じてアクセスすることが可能で、を比較したところ、不具合の可能性を示予測結果は、建物管理システムアプリケーす違いは一切見られませんでした。ションに使用できるようPI Serverに格納されます。研究員たちはビルディングオートメーションの問題にも取り組みました。業務開始の午前9時には屋内の温度が摂氏22度（華氏72度）に上昇している必要があるというユースケースを構築しました。暖房システムは通常、午前6時に作動し、気温が高い日は6時半に作動します。ところが、これがエネルギーの浪費につながっているようでした。では、予測分析ソリューションで、建物の暖房開始に最適な時間を割り出すことはできるのでしょうか。研究員たちは、ここ最近の屋内と屋外の温度や予想される日射レベルなどの要素を盛り込んだモデルを使用し、午前9時の時点での屋内の温度を予測しようと試みました。しかし、予想される日射データがないため、まずこの数値を予想する必要がありました。研究員たちは、 Azure Machine Learningが提供する強力なディシジョンツリー（決定木）アルゴリズムを使用して日射モデルをカスタマイズし、モデルの正確さをテストで確認してから屋内温度のモデルにこの日射モデルを組み込み、省エネルギー問題に対処しました。 Azure Machine Learningは、PI Systemと Microsoft Azureの拡張ソリューションを構成する4つの主要なコンポーネントの1つです。このソリューションでは、まずオンプレミスのPI Server™でキャンパス中のセンサーデータを収集し、次にMicrosoft Azure IaaS を実行するPI Serverに、Azureベースの PI Cloud Services™経由でそのデータを転送します。転送されたデータは、OSIsoft の調査ツールを使ってリアルタイムにクリーニング、集約、シェーピングしてから、 Microsoft Azureのテーブルストレージにあ利点 CMUでは、Azure Machine Learningと PI Systemを使用すると、エネルギーコストと運用コストが削減されることや、設定や使用開始に時間がかからず、簡単で安価であることが実証されました。同大学は、このソリューションは新しいユーザーの間に広く普及すると期待しています。予想されるエネルギー消費を 20パーセント削減 CMUの研究員は実験結果を基に、このソリューションでエネルギーコストを 20パーセント削減できると見積もりました。現在はキャンパス全体にソリューションを実装しようという議論がなされており、実装した場合、年間数十万ドルを削減できると予想されます。「エネルギー消費を削減し、一部のエネルギーの使用を、需要とコストが低い時間帯に変更することで、これだけの削減効果が得られます。」カーネギーメロン大学で建物性能診断センターの研究員を務めるBertrand Lasternas氏は、こう述べています。設定時間が数週間から数日に短縮 Azure Machine Learningにより、機械学習モデルの構築とテストという時間のかかるプロセスが簡素化、迅速化されました。一般的には数週間要するプロセスが、数日で完了したのです。「 Azure Machine Learning は、オンプレミスのソフトウェアを用意する必要はありません。あらゆるものがいつでも使える状態でクラウドに格納されているので、すぐに使い始めることができました。私たちが試した他のツールよりもはるかに使いやすく、当大学に導入済みの PI Systemや Microsoftのクラウドソリューションともシームレスに連携しました。」カーネギーメロン大学、建物性能診断センター、研究員、 Bertrand Lasternas氏 CMUの建物性能診断センター ©Carnegie Mellon University. All rights reserved. 「Azure Machine Learningは、オンプレトしたいという構想を抱いています。ミスのソフトウェアを用意する必要はたとえば、フィールドサービスの技術者はありません。あらゆるものがいつでも常にタブレットを携帯しているので、予測分使える状態でクラウドに格納されてい析機能にアクセスできるようにすれば、障るので、すぐに使い始めることができま害が発生する前にリモートの装置をチェッした。」Lasternas氏はこう語っています。クし更新することができます。スマートフォ「私たちが試した他のツールよりもはンを使用すれば、エネルギー需要が急上昇るかに使いやすく、当大学に導入済みのしたというアラートをエンジニアに通知で PI SystemやMicrosoftのクラウドソリューきます。このソリューションは拡張性とコスションともシームレスに連携しました。」ト効率に優れているため、従来のソリューこのソリューションで、コラボレーションもションではサポートできない複合ビルや公活発化しています。同大学の大学院でエ共事業システムに使用することもできます。ネルギー科学技術政策を専攻するYogesh Venkata Gopalan氏は、次のように語って Lasternas氏の言葉です。「Azure Machine います。「ワークスペースを共有すること LearningとPI Systemは、誰もが扱えで簡単にコラボレーションできます。」るセルフサービス型の予測分析の先がけとなると見ています。そしてそれ「誰にでも」を対象としたセルフは容易に想像できることです。」サービス型の予測分析サポート CMUの研究員たちは、PI Systemと Microsoft Azureで、研究員のみならず管 Microsoftのその他の導入事例について理者やエンジニア、技術者など、建物管理は、次のリンクで詳細をご覧ください。システムに日々関わっている人々もサポー www.microsoft.com/ja-jp/casestudies/ ソフトウェアとサービス Microsoft Azureプラットフォーム • Microsoft Azure • Microsoft Azure Machine Learning • Microsoft Azure Storage Microsoft Ofﬁce 365 • Microsoft Power BI for Ofﬁce 365 OSIsoft PI Cloud Services™ OSIsoft PI Server™ Microsoftサーバー製品ポートフォリオ • Microsoft SQL Server 2014