電力データ活用ビジネスにおける機械学習技術の継続的な改善について

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved ⾃⼰紹介 • 蓮尾⾼志(HASUO TAKASHI) • インフォメティス株式会社 • ソニーR&D時代の成果を元にしたエネルギーデータ分析を強みとするベンチャー企業（2013年創業） • 主にB2B2Cの取引形態 • 東京（⽇本）とケンブリッジ（UK）にオフィス • ハードウェアからアプリまで⼀貫して⾃社開発 • アルゴリズム開発チームのテックリード • 協⼒会社やアルバイトのメンバーを含めると８名くらい • 好きなpython moduleはtqdm 13%|██ | 2/15

Slide 3

Slide 3 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved お話したいこと • 電⼒データと機械学習(ML)技術について • ビジネスやサービス、技術周辺について簡単にご紹介 • マイナーなデータに対するML技術の改善プロセスについて ※画像・⾳声・NLP等に⽐べてマイナーと位置づけています • 電⼒データに対する研究開発の課題 • 改善プロセスの勘所 • 各種取り組みと得られた知⾒ 20%|████ | 3/15

Slide 4

Slide 4 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved 事業概要家の電⼒データ計測省エネ⾒守り進む電化社会を背景に、エネルギーの⼤元を抑え、次世代の社会インフラへ … etc. 【コア技術】エネルギーデータを解析し、それを⽤いた様々な事象を明らかにしていく 26%|██████ | 4/15 【ビジネス】電⼒会社や住宅等の事業者と提携し、センサ技術、クラウドPF、分析技術、各種アプリをB2B2Cで提供中

Slide 5

Slide 5 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved • ⼀箇所で計測されている電⼒データから、その先で電⼒消費している各家電の稼働パターンを分離することリアルタイムな主幹電⼒データ機器分離推定技術各家電ごとの稼働状況エアコンエアコンエアコン電⼦レンジ電⼦レンジ洗濯機 24時 kWh 0時１つだけ！個別のセンサは不要 Wi-Fi接続センサ本体 CT電流計測部⼀般家庭の分電盤内部 ← 機械学習技術使ってるところ機器分離推定とはある家庭における１⽇の電⼒消費データ

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved 商⽤サービス基盤（機械学習周りについて） • 課題 • ２４時間３６５⽇アップロードされ続けるセンサーデータに対して、それなりにリアルタイム処理 • 通信環境や対象データ等によって負荷が⼀様でない • 実現⽅法 • Kubernetes on GCP • Pub/Subを介して処理開始及び結果通知 • 処理状況に応じてオートスケール • その他 • コンテナイメージ作成まで⾃チームで実施しており、必要なミドルウェアとか、設計とか、そのへんは⾃分達で好きなように構築 • 商⽤環境の処理状況は、Slack通知等で⽇々確認 Cloud Storage Cloud Bigtable Cloud Pub/Sub Container Engine 異常値の疑いがあるセンサ処理の全体量変化 etc. …

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved 電⼒データに特有な課題の例エアコンエアコン電⼦レンジ電⼦レンジ洗濯機画像が重なった際の特徴の変化 << 電流が重なった際の特徴の変化特徴の変化により頑健な機械学習技術が求められることが多い（⼤量のデータを⽤意してとりあえずDeep Learningみたいなアプローチがうまくいかない）キルヒホッフの法則画像は遮蔽（前景背景）の関係電流は合算の関係

Slide 11

Slide 11 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved 電⼒データ解析技術開発の勘所 • アカデミック分野の知⾒はあてに出来ない • マイナーなので、そもそもあまり⾒つからない… • データ⾃体の特徴だけではなく、物理現象といったデータの⽣成過程まで考慮すると⾊々ヒントが⾒つかったりすることも多い現象計測データ電流波形 CTセンサ電気回路家電タイプ稼働パターン

Slide 12

Slide 12 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved タスク・仮説の設定開発⽤データの整備評価尺度の定義特徴抽出の検討モデルの構築モデルの評価結果の解釈システム統合・評価新発売の家電（未知データ・共変量シフト）アプリ次第では誤検出が致命的（評価尺度の整合性）ロングテールに分布する家庭データ（データ不⾜・偏在）サービス拡⼤やビジネス状況の変化（計算コスト・優先度の⾒直し）改善プロセスの繰り返しがますます重要いかに効率良く回せるかが課題 … 技術改善プロセスについて

Slide 13

Slide 13 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved [WIP] いかに効率良く改善プロセスを回すか？アルバイト等ポテンシャル⼈材海外ML系⼈材国内ML系⼈材⾃動化容易なこと⾃動化困難なこと⼈⼿を増やすしかない！（最適パラメータ探索等）がんばる 20% 80% なかなか採れない… （マイナー業界だから？）コミュニケーションの壁海外案件など分業（ML技術のコアな部分などで相互に寄与することもある）タスク切り出しの内容とかコスト育成コストや時間（他スキルで貢献してもらえることも多いかもしれない）楽しい⼤変だけどやらねば… ⾊々⼯夫した上で現実的な路線… いかに⾃⾛してもらえるようになるかが鍵？頑健なML技術の理論⾯などは⼤学教授ら外部頼み（未ラベル活⽤、ベイズ等）

Slide 14

Slide 14 text

Copyright 2019, Informetis Co., Ltd All Rights Reserved 技術改善プロセスの抑えどころ３点問題設定の理解（⼊⼝側）共通データセットの精査評価系の整備課題整理の体裁（出⼝側）技術開発の詳細は⾃由この３つのポイントをチームで抑えておけば、⽐較的⾃由に任せておいても、技術改善プロセスを効率よく継続して回していける（かもしれない）チームで取り組むところ各⾃の⾃由に任せるところ最終的にはコンテナに押し込められてサービスへデプロイするので、制約もあまり設けない