IoTデータを入力データとして推定をする際に、IoTデータを教師データとして機械学習を行う方法が一般的である。 しかし、IoTデータは過渡的な状態に関するデータも含むため、教師データとして使うにはクレンジングに多大な手間が必要となる。 特に、どのような過渡現象があるかが事前にわかっていない場合は、クレンジングと機械学習の試行錯誤回数が増えるという課題がある。 一方、企業内でIoTデータを扱う場合には、安定状態に関する情報を入手できる場合がある。 その場合は、安定状態に関する情報の逆問題を解く形で機械学習により推定モデルを作成し、 そのあとで推定モデルに適合するようにIoTデータのフィルタリングをすることで、 より少ない手間でIoTデータに対する推定が可能となる。 本発表では、空調機向けに冷媒量を推定するAI機能を持つサービスの開発において、 安定状態に関するシミュレーションデータを用いて機械学習をすることで、 より短期間に高精度の学習モデルを作成できることを示す。
