AI(人工知能)の社会実装が進んでおり、様々な業界でAIを活用した事例が増加しております。建設・不動産業界でもAIを搭載したサービスの実装が進んでおりますが、本記事では海外における業務用冷凍市場でのAIの活用事例をご紹介します。目次業務用冷凍庫へのAI導入の課題 業務用冷凍庫にAIを導入することが難しい理由として、以下が挙げられます。既存の制御システムとの共存計測データの管理顧客固有の課題や制約に対する理解商業用冷凍機の製造工程の細分化既存の制御システムとの共存 業務用冷凍庫にAIを導入することが難しい理由の 1 つとして、多くの食品小売業者が既に何らかの制御システムを導入していることが挙げられます。多くのベンダーは、それぞれ異なる方法でデータを収集・処理を行うため、データの正確性・一貫性を確保し難いです。そのため、これらのシステムの多くは独自性が強く、ベンダーはデータを他者と共有することを拒む可能性があります。 このような状況下でも、メーカーでの取り組み事例が増えつつあります。多くのメーカーが AIを搭載した制御と機器の開発に取り組んでおり、食品小売業者と請負業者の両方にメリットをもたらす可能性があります。メーカーにおける取り組みでは、機器の自動制御をスマート化させる取り組みがみられる一方で、自社のビジネスと顧客に価値を提供する目的で AI を活用したサービスの実装は少ないです。多くの事例では、機器や外部のデータソースからデータを収集し、収集したデータを人為的に分析し、機器に特定の動作を指示する方法が採用される傾向にあります。計測データの管理 AIを搭載した冷凍冷蔵ケースに対して、食品小売業者がその価値を見出すのが困難な可能性があります。その理由として、データ交換が継続的に行われており、メーカーはビル管理システム、クラウド、その他の機器やセンサーから収集されたすべてのデータをどう扱うかを決定する必要があります。 このようなデータ管理の問題が、商業用の冷蔵ケースに対してAIの実装を行う上で障害となりうる要因として挙げられます。すべてのデータを処理できる形式と場所を確保することが困難です。既存の商業用冷凍システムは膨大なセンサーから大量のデータを生成しますが、それらのデータはリアルタイムの動作としきい値の警報にのみ使用され、施設から出ることなく扱われる場合が多いです。AI が既に隣接業界で広く普及しているため、業務用冷凍冷蔵分野においてもAIの活用は進むと考えられています。顧客固有のニーズや制約に対する理解 一部のテック企業がこの分野の顧客固有のニーズや制約を理解していない可能性が考えられます。また、冷凍コントローラーに蓄積されるデータを解放して、クラウドベースのモデルで使用できるようにすることも困難でした。メーカーが業務用冷蔵分野で価値を提供する AI の可能性を認識していても、食品小売業者とそのサービスチームが業務における AI の役割について依然として疑問を抱いており、AI の導入を躊躇するケースもあります。 多くの大規模な食品小売事業はすでに顧客重視の事業分野で AI を活用しており、消費者に対してパーソナライズされたサービスの提供に専念するデータサイエンスチームを抱えています。しかし、冷凍分野の専門知識や重要な施設システムにAIを適用した経験を持っている人はほとんどいません。そうした場合、AI は非常に複雑になる可能性があり、まったく異なる知識ベースが必要です。AIを搭載したサービスの開発を行う上で最も重要なことは、この専門知識を提供し、AI の潜在的な価値を顧客に実証することを支援します。 この目的を達成するために、海外企業では興味のある一部の顧客を短期間の実証実験の試用期間に参加させ、そこでソリューションがどのように運用と統合され、長期的かつ継続的な効率向上の可能性をもたらすかを実証した事例があります。顧客はその仕組みを自らの目で確認し、すぐに利益が得られ、投資対効果 (ROI) がいかに早く得られるかを理解すると、長期的な取り組みを検討することにさらに興味を抱いています。商業用冷凍機の製造工程の細分化 AIの導入が遅れているもう1つの理由は、商業用冷凍機の製造が大幅に細分化されており、主に中小企業の家族経営企業で構成されていることが挙げられます。これらのメーカーの多くは、このような複雑なシステムを開発するための知識、リソース、IoT の専門知識が不足しています。 IoT システム開発は長いプロセスであり、通常はかなりの費用がかかります。さらに、このテクノロジーは急速に進化しているため、このようなシステムでは継続的な監視、継続的なバグや不具合の修正、更新と機能強化が必要です。今後 5 年以内に、市場のすべての主要企業が、何らかの形式の IoT システムを導入すると予想されています。水平展開に向けて 業務用冷凍システムへの AI の適用については、3 つのレベルに分類できる。機器と小売顧客の間。たとえば、センサーが顧客の接近を検知したときなど機器と食料品店またはレストランの間。機器は BMS を介して入力とインテリジェントに通信クラウドプラットフォームからの機器コマンドや情報の受信など、インターネットを介したクラウドおよび外部入力、または気象や交通データ、電力会社の信号、店舗のPOSデータなどの入力 これらすべての入力を組み合わせることで、機器の動作をより適切に制御できる可能性があります。最終的に、AI テクノロジーの中核は、通常は機器自体に組み込まれるシステム制御デバイスに存在する最新の機器制御は、センサーからデータを定期取得することで、システム障害の保護や診断からパフォーマンス管理やイベントのスケジューリングに至るまで、さまざまな主要なシステム最適化機能を実行できます。 多くの場合、大規模な改修を行わなくてもこれらの機能を有効に活用できることを理解することが重要です。既存顧客の多くは、センサー、制御装置、モデムなどのデータが豊富なインフラストラクチャをすでに保有しており、当社はそれを活用して機械学習の洞察を提供することが可能です。場合によってはセンサーの追加をお勧めしますが、完全な後付けソリューションと比較すると比較的安価です。導入のメリット AI がもたらす利点については、業務用冷凍機器に潜在的な信頼性と延命の利点をもたらすだけでなく、店舗経営者や請負業者のさまざまな懸念にも同様に対処できます。食品の品質と食品の安全性を最適化 事業者向けに、食品の品質と食品の安全性を最適化し、廃棄物を削減できるよう、ケースの種類や生鮮食品のカテゴリなど、事業者独自の要件に基づいてデータモデルを構築している。資産の健全性や状態の問題を検出するための機械学習アルゴリズムも開発されています。これらにより、小売業者とその請負業者は、より多くの予知保全プログラムの導入を開始できるようになります。これにより、資産を最適な状態で稼働させることができ、エネルギーコストの削減に役立ちます。エネルギーコストの削減 エネルギーコストの削減は非常に重要であるため、エネルギー管理者にとって AI の主な利点は、よりインテリジェントな運用によりエネルギー消費を削減できることである。冷凍負荷を時間内に予測してシフトすることで、費用のかかるピーク需要のスパイクを削減します。低温システムの隠された柔軟性を解き放ち、需要応答プログラムから収益を上げます。高温警報や計画外の停止 施設管理者にとって、AI の主なメリットは、おそらく高温警報や計画外の停止による頭痛の種を軽減することでしょう。毎月のメンテナンス料金を節約できます。あるいは、追加でセンサーをさらに設置することなく、冷媒漏れ率を大幅に削減できます。請負業者にとって、AI を使用すると、リアルタイムでの問題の根本的な原因の分析、インテリジェントな技術者の派遣、問題が最初から正しく修正されたかどうかを示すデータ検証を通じて、より高いレベルのサービスを提供できます。 エネルギーの節約、機器の寿命の延長、ダウンタイムと修理コストの最小限化はすべて AI の大きな利点である。もう 1 つの利点は、小売顧客の顧客体験が向上することです。製造プロセス全体の効率を向上 前述の利点に加えて、AI は製造プロセス全体の効率を向上させるために必要なツールを提供します。AIから生成された洞察は、原材料の調達、労働力の配分、ターゲットを絞ったマーケティング、販売戦略の効率を最適化するために活用できます。このような貴重なリソースの維持にかかるコストは、業界全体で発生するコストと比較すると非常にわずかです。知識と情報の共有によるコラボレーションを促進し、小規模市場や自動販売業界に総合的なソリューションを提供します。AI が業務用冷凍業界に大きな利益をもたらすことは疑いの余地がありません。海外事例 海外では多くのメーカーが AIを搭載した製品やソリューションを提供しており、以下に事例を紹介します。Axiom CloudDanfossEmersonMinus Forty QBD Corp.Axiom Cloud Axiom Cloudは、クラウドベースの分析と AI を活用して既存の商用冷凍システムをスマート化するアプリケーションを提供しています。既存の顧客の冷凍コントローラーとデータ受け渡しを統合利用することで、アプリを通じて施設全体のすべてのセンサーとシステムからデータを取り込むことができます。クラウドベースのソフトウェアは、そのデータを公共料金、天気予報、系統信号、その他の外部データと組み合わせて、施設の冷凍システムのデータを高精度にデジタルツイン上で再現します。これによって、アプリ状で建物のピークエネルギー需要を自動的に削減し、機器の故障を事前に予測し、冷媒漏れを早期に特定し、エネルギー消費を削減することを実現します。Danfoss Danfossは、小売店の複数の冷凍装置をスマートに制御するBMSなど、業務用冷凍装置のスマート制御を実現するソリューションを提供しています。Danfoss ALSENSEは、スーパーマーケットの小売店や設備に接続して情報を交換し、クラウド上の AI とそのデータを活用するクラウドプラットフォームです。クラウド上での AI活用の増加に伴い、Danfossは機器を他のセンサー、機器、インターネットに接続することに重点を置いています。Emerson Emersonは、食品小売、フードサービス、海運、輸送、物流など幅広い分野の顧客と協力し、機械学習とAIを組み込んだソリューションを提供し、業務オペレーションの最適化を支援しています。同社のソリューションは、新しい監視制御などの強力な制御デバイスにデータを提供するセンサーを利用し、AIおよび機械学習のアルゴリズムを活用した高度なクラウドベースのソフトウェアを統合します。Emersonは、冷凍設備の技術者のドメイン知識を活用して、冷凍設備の運転効率を最適化し、さまざまな顧客の運用目標の達成を支援するモデルを構築します。Minus Forty QBD Corp. Minus Forty QBD Corp. は、冷凍庫と冷蔵庫、ゲートウェイ、ハードウェア、顧客が OEMのバックエンド監視と制御で使用するための Web ベースのポータル、システム間のAPIで構成されるIoTプラットフォームを構築しています。同社のシステムは、以下の機能を提供しています。キャビネット温度の完全な動作監視リモートクーラーのロックとロック解除設定温度、イベントログ、アラームログなどのリモートパラメータ変更電子メールやショート メッセージング サービス (SMS) による通知 さらに、コンプレッサーが故障するまでの残り時間やその他の重要なコンポーネントの残りの動作寿命などの予測分析にも取り組んでいます。