導入事例：高砂熱学工業株式会社様

1923年の創業以来、空調設備業界のパイオニアとして国内外の大規模建造物の環境最適化に取り組んできた高砂熱学工業株式会社（以下、高砂熱学工業）。空調と省エネルギーのスペシャリストとして、持続可能な社会づくりに貢献している。

高砂熱学工業では、1980年代より空調熱負荷予測システムの開発に携わってきた。空調熱負荷を予測することで、室内環境の最適化を図ると同時に空調設備の自動制御が可能となり、ビルなどの空調設備のエネルギーロスを抑えられるようになるからだ。

高砂熱学工業では空調熱負荷予測システムをすでに実用化している。しかし、これまで機械学習などを利用したシステム開発には時間と費用がかかり、運用にも専門的な知識や経験、さらには高度な分析力が必要なことから、実物件への導入は限られてきたという。

そこで、短期間かつ低コストで、より高度な空調熱負荷予測システムを開発・運用できる環境を実現するため、機械学習機能を GUI や Web ブラウザを使ってクラウドサービスとして利用できる「Azure Machine Learning（以下、Azure ML）」の導入検討を開始。全社共通の基盤として活用できるかどうかを検証すると同時に、 Azure ML の導入効果を最大限に高めるためのサポートベンダーの選定を行った。

空調熱負荷予測システムは各ビルや現場ごとに条件が異なり、環境の経年変化も大きい。そのため、個別案件ごとの開発が必要で、環境の変化による追加・修正が頻繁に発生する。さらには、今後、各センサーの高性能化や IoT（Internet of Things）の普及により、システムの修正・拡張も頻繁に発生することが予想される。

そのため、「機械学習の精度と処理速度」という基本要件だけでなく、「開発やカスタマイズのしやすさ」、さらには「インフラ運用の負荷とコスト」なども考慮して Azure ML の導入を検討した。

また、サポートベンダーに関しては、システムの開発に社内リソースを集中投下し、短期間に導入成果を上げることができるよう、 Microsoft Azure を含めたクラウドに関する経験や実績が豊富で、データサイエンティストを有する SI ベンダーであることが選定の要件となった。

Azure ML は、カスタマイズが可能な各種機械アルゴリズムをサポートしており、処理速度も高速。ドラッグ＆ドロップで簡単に操作でき、ユーザーインタフェースも優れていることから、空調熱負荷予測システムの構築が短期間かつ低コストで実現できることに加え、運用の負荷が軽く、メンテナンスや将来的なシステムの拡張が容易なことなどを総合的に評価して採用を決定した。

また、サポートベンダーに関しては、経験豊富なデータサイエンティストがおり、業務理解度も高いことなどから、ソフトバンク・テクノロジーからの支援を依頼することにしたという。

データサイエンティストから、想定していたものとは別のアルゴリズムや、分析対象とする実績データの期間を短くしながら予測精度を上げる提案などを受けたため、Azure ML の活用サポートを安心してまかせられることが採用のポイントになったという。