AI空調制御で必要となるセンサデータ一覧
この記事で分かること
- AI制御を導入する前に整理すべき要求
- センサデータ、制約、フェイルセーフの扱い
- PoCから実機導入へ進める確認手順
AIで空調制御を高度化しようとすると、最初に話題になるのはアルゴリズムです。しかし実務でつまずきやすいのは、<u>アルゴリズム以前のデータ要件</u>です。どのセンサを使うのか、どの周期で取るのか、欠損や外れ値をどう扱うのか、制御に使ってよい値と診断だけに使う値をどう分けるのか。ここが曖昧なままPoCを始めると、実機適用の段階で止まります。
AI空調制御で必要なデータは、室内外の温湿度だけではありません。冷媒温度、圧力、圧縮機電流、ファン回転数、弁開度、運転モード、人流、在室、電力、BEMS、保守履歴などが目的に応じて必要になります。一方で、すべてのデータを集めればよいわけでもありません。コスト、信頼性、プライバシー、保守性、制御安全性を考える必要があります。
この記事では、AI空調制御で必要となるセンサデータを、実務で使える一覧とSysMLモデルへのつなげ方として整理します。
AI空調制御では、使えるデータではなく「要求を満たすためのデータ」を先に決めます。
結論：センサデータは目的別に分けて要求化する
AI空調制御のセンサデータは、「取れるものを全部集める」ではなく、目的別に分けて要求化します。熱負荷予測、省エネ制御、快適性維持、ピーク抑制、異常診断、予兆保全では、必要なデータと品質条件が違います。
| 目的 | 主なデータ | 注意点 |
|---|---|---|
| 熱負荷予測 | 室温、外気温、日射、人流、過去電力 | 予測に使える時間粒度が必要 |
| 省エネ制御 | 消費電力、運転状態、設定温度、能力推定 | 快適性要求とのトレードオフ |
| 快適性維持 | 室温、湿度、在室、吹出温度 | センサ位置と体感差 |
| ピーク抑制 | 電力、契約電力、BEMS、設備稼働 | 制約条件と復帰計画 |
| 異常診断 | 圧力、温度、電流、弁開度、ファン回転数 | 誤検知、保護制御との関係 |
| 予兆保全 | 運転時間、異常履歴、保守履歴 | 長期データとラベル品質 |
この表を要求図に落とすと、AIの目的とデータ要求がつながります。PoC前にここまで整理しておくと、後から「そのデータは取れない」「周期が粗い」「欠損が多い」という手戻りを減らせます。
AI制御の目的別に必要データを整理する
AI制御と言っても、目的は複数あります。室温を予測して先回り制御するのか、電力ピークを下げるのか、故障予兆を検知するのかで必要なデータは変わります。
| 目的 | 必須に近いデータ | あると有効なデータ |
|---|---|---|
| 先回り冷暖房 | 室温、外気温、設定温度、運転履歴 | 日射、在室予定、人流、建物熱容量 |
| 省エネ最適化 | 電力、運転モード、圧縮機周波数 | 天気予報、BEMS、設備スケジュール |
| 除霜最適化 | 外気温、熱交換器温度、運転時間 | 湿度、圧力、過去除霜履歴 |
| 異常診断 | 温度、圧力、電流、弁開度 | 保守履歴、異常コード、現地点検記録 |
| 快適性改善 | 室温、湿度、吹出温度 | 在室、人流、PMV関連情報 |
目的を分けずにデータを集めると、モデル評価の指標も曖昧になります。AI制御の要求仕様では、目的、入力、出力、制約、評価指標をセットで定義します。
基本センサ一覧
空調機本体や室内環境でよく使う基本センサは、AI制御の基礎になります。ただし、センサ値は「正しい値」として無条件に扱わないことが重要です。取付位置、応答遅れ、量産ばらつき、故障モードを確認します。
| データ | 用途 | 品質条件 |
|---|---|---|
| 室温 | 快適性、熱負荷推定 | 位置、日射影響、応答遅れ |
| 室内湿度 | 快適性、潜熱負荷 | センサ誤差、結露、応答 |
| 外気温 | 熱負荷、除霜、能力補正 | 設置位置、直射、排熱影響 |
| 吹出温度 | 能力推定、快適性 | 測定位置、風量依存 |
| 吸込温度 | 室内状態推定 | 室内代表性、ショートサーキット |
| 電源電圧 | 電力、保護 | 電圧変動、瞬低 |
これらは基本データですが、AIの精度を保証するものではありません。むしろ、基本データの品質を確認しないAI制御は、現場条件が変わると不安定になりやすいです。
冷媒回路・機器状態データ
AIが省エネ制御や異常診断に踏み込む場合、冷媒回路と機器状態のデータが重要になります。
| データ | 用途 | 注意点 |
|---|---|---|
| 吸入温度・吐出温度 | 圧縮機保護、能力推定 | センサ位置、応答遅れ |
| 高圧・低圧 | 運転領域、異常診断 | 圧力センサ有無、コスト |
| 圧縮機周波数 | 能力、電力、制御状態 | 指令値と実回転の差 |
| 圧縮機電流 | 負荷、異常診断 | 電源条件、突入、ノイズ |
| 膨張弁開度 | 過熱度制御、低負荷 | ステップ抜け、固着 |
| ファン回転数 | 風量、騒音、熱交換 | 指令値と実回転の差 |
| 異常コード | 診断、保守 | コード定義、履歴保持 |
冷媒回路データは、診断には有効ですが、センサ追加にはコストと信頼性の課題があります。量産機で取得できないデータを前提にAIモデルを作ると、PoCだけで終わります。
人・空間・外部データ
空調AI制御では、建物や利用者の情報も有効です。ただし、プライバシーや運用ルールの確認が必要です。
| データ | 用途 | 注意点 |
|---|---|---|
| 在室人数 | 熱負荷、先回り制御 | 個人情報を扱わない粒度 |
| 人流 | ゾーン負荷予測 | センサ精度、死角 |
| スケジュール | 起動停止、ピーク抑制 | 予定変更への対応 |
| 日射・天気予報 | 熱負荷予測 | 予報誤差、地域差 |
| BEMS電力 | ピーク抑制、設備連携 | 通信遅延、データ周期 |
| 保守履歴 | 予兆保全 | 記録品質、表記ゆれ |
外部データは便利ですが、通信断や取得停止が起きます。AI制御仕様には、外部データが欠損した場合の代替制御を必ず入れます。
データ品質と欠損時処理を要求にする
AI制御で重要なのは、センサ項目だけでなくデータ品質です。周期、精度、遅延、欠損率、外れ値、時刻同期、単位、校正、故障検知を要求として定義します。
| 品質項目 | 確認内容 |
|---|---|
| 周期 | 制御周期、ログ周期、学習周期に合うか |
| 遅延 | 制御判断に使える遅れか |
| 欠損 | 欠損率、連続欠損、補完方法 |
| 外れ値 | 物理的にあり得ない値の処理 |
| 時刻同期 | 電力、温度、人流の時刻が合うか |
| 単位 | ℃、K、W、kW、Paの混在 |
| 故障検知 | 固着、断線、短絡、通信断 |
欠損時処理は特に重要です。AI入力が欠損した場合、前回値保持、ルールベース制御への切替、通常制御への復帰、保護停止など、目的に応じて決めます。
SysMLでデータフローを表す
SysMLでは、センサ、制御器、AIモデル、アクチュエータ、ログ、BEMSをブロックとして置き、データフローをIBDで表します。要求図では、各データに品質要求を付けます。状態機械図では、AI有効、AI無効、欠損時、異常時の状態を表します。
| SysML要素 | 使い方 |
|---|---|
| 要求図 | データ項目、品質条件、欠損時処理を要求化する |
| BDD | センサ、AIモデル、制御器、BEMSをブロック化する |
| IBD | データの流れ、周期、通信、接続先を表す |
| 状態機械図 | AI有効、AI停止、通常制御復帰を定義する |
| パラメトリック図 | COP、快適性、ピーク抑制量の評価式へつなぐ |
この整理をしておくと、AIモデルの精度だけでなく、制御安全性、保守性、説明可能性をレビューできます。
データ要件表の作り方
PoCや量産検討の前には、データ要件表を作ります。センサ名だけでなく、利用目的、取得周期、精度、欠損時処理、保存期間、利用制限を書きます。特に空調AI制御では、制御に使うデータ、診断に使うデータ、学習だけに使うデータを分けることが重要です。
| 項目 | 記載例 | 確認者 |
|---|---|---|
| データ名 | 外気温、室温、圧縮機電流 | 制御、データ担当 |
| 利用目的 | 熱負荷予測、異常診断、ログ分析 | AI制御担当 |
| 取得周期 | 1秒、1分、15分 | 制御、通信担当 |
| 精度・分解能 | ±0.5度、0.1A単位 | センサ担当 |
| 欠損時処理 | 前回値保持、AI停止、通常制御復帰 | 制御、安全担当 |
| 保存期間 | 実機ログ、クラウド、保守履歴 | 運用、法務 |
| 利用制限 | 個人情報、社外持ち出し、匿名化 | compliance-trust |
この表がないと、AIモデルを作る人と制御仕様を書く人の前提がずれます。データサイエンス側では十分に見えるデータでも、実機制御では遅延が大きすぎたり、センサ故障時に使えなかったりします。
PoC前に確認したい質問
AI空調制御のPoCを始める前に、次の質問に答えられるか確認します。
| 質問 | 狙い |
|---|---|
| AIで改善したい指標は何か | COP、電力ピーク、快適性、故障検知を分ける |
| その指標を測るデータはあるか | 評価できないPoCを避ける |
| 量産機でも同じデータが取れるか | PoC止まりを避ける |
| 欠損時にどう動くか | 現場導入時の安全性を見る |
| 利用者や建物情報を使う場合の同意はあるか | プライバシーと運用リスクを見る |
この質問に答えられない場合、アルゴリズム選定よりも要求定義を先に進めるべきです。AI制御の品質は、モデル精度だけでなく、データが現場で継続的に取れること、異常時に安全側へ戻れること、運用者が説明できることに支えられます。
よくある失敗
| 失敗 | 起きる問題 | 対策 |
|---|---|---|
| 取れるデータだけでPoCする | 実機要求とずれる | 目的からデータ要求を決める |
| 欠損時処理を後回しにする | 現場で制御不能になる | 通常制御への復帰を定義する |
| センサ位置を無視する | 予測が現場で外れる | 取付位置と応答遅れを管理する |
| 個人情報を軽く扱う | 運用・法務リスクが出る | 集計粒度と利用目的を明記する |
| AI精度だけ見る | 安全や快適性が壊れる | 制約と評価指標を複数置く |
次に読むなら
次に読むなら、AIによる空調省エネルギー制御とは何か：熱負荷予測の基礎 がおすすめです。このテーマの全体像を整理する柱記事です。
関連記事
- 空調AI制御を導入する前に整理すべき要求仕様: このテーマの全体像を整理する柱記事です。
- 外気温・室温・湿度・人流データをSysMLで整理する方法: 次に読むと、要求から構造・制御・検証へ論点を進めやすくなります。
- 空調AI制御における安全要求とフェイルセーフ設計: 次に読むと、要求から構造・制御・検証へ論点を進めやすくなります。
- AI空調制御の失敗パターン：現場導入時に発生する課題とは: チェックリストやテンプレート化の入口として使いやすい記事です。
まとめ
AI空調制御で必要なセンサデータは、目的によって変わります。熱負荷予測、省エネ制御、快適性維持、ピーク抑制、異常診断、予兆保全を分け、必要なデータ、品質条件、欠損時処理を要求として定義します。
基本センサには室温、湿度、外気温、吹出温度、吸込温度があります。高度な制御や診断では、冷媒温度、圧力、圧縮機周波数、電流、弁開度、ファン回転数、異常コードが重要になります。建物側では在室、人流、スケジュール、BEMS、天気予報、保守履歴も使えますが、プライバシーと通信断への配慮が必要です。
SysMLでは、要求図でデータ要件を定義し、IBDでデータフローを表し、状態機械図でAI有効・無効・欠損時の挙動を整理します。AI制御はアルゴリズムだけでなく、データ要求の設計が品質を左右します。
次に読む記事としては、次の3本が自然です。
- 空調AI制御における安全要求とフェイルセーフ設計
- 冷媒漏えいの兆候をセンサデータからどのように検知するか
- 空調省エネルギーAIにおける説明可能性の重要性
コメント