事例の概要
| 企業 | 東京ガス株式会社 |
|---|---|
| 地域 | 日本 |
| 業種 | 素材・その他 |
| 企業規模 | 大企業 |
| 用途 | 品質・プロセス分析 |
| 使われた技術 | エイシングのAIアルゴリズムによる熱源機器の最適制御 |
| 関連する製品・サービス | — |
成果
取り組みの内容
工場やビルの空調・熱源設備は、エネルギー使用量の大きな割合を占めます。冷凍機やボイラーなどの熱源機器は、外気温や負荷の変化に合わせて運転を調整する必要があり、運転の設定次第で効率が大きく変わりますが、実際には固定の設定や経験則で運転されていることが少なくありません。
東京ガスとエイシングは、熱源機器の運転を最適に制御するAIを共同で開発しました。エイシングは、機器に組み込める軽量なAIアルゴリズムを手がける企業です。
エイシングの公式サイトによれば、基礎研究の段階で、熱源機器のCOP（投入エネルギーあたりの冷暖房能力）の向上と約5%の省エネを確認しています。実運用の設備での結果ではない点に注意が必要です。
省エネの効果を評価する際は、生産量や外気温の違いを補正したうえで比較することが欠かせません。補正をしないと、季節や負荷の変化による差をAIの効果と取り違えるおそれがあります。熱源の制御は品質や安全への影響が比較的小さく、制御AIを試す最初の対象として選びやすい領域です。
この事例から読み取れること
- 熱源やコンプレッサなどのユーティリティ設備は、生産品質への影響が小さく、制御AIを試す最初の対象として選びやすいと当サイトは考えます
- 約5%は基礎研究段階の値で、実運用では負荷変動や外気条件で効果が変わるため、ベースラインの補正方法を事前に決めておく必要があります
- 機器に組み込める軽量なAIは、クラウドに依存せず制御ループの中で動かせる点が制御用途に向いています
本ページは企業・提供元が公開した情報にもとづき、費用負担を受けずに作成しています。成果の数字は発表時点のもので、当サイトによる検証値ではありません。
