SE コミュニティの皆様
IoT から提供されるデータを監視しようとしている会社に出会いました。 そして、私は SE コミュニティに来て、あなたの頭脳を選んで、彼らの課題を解決できるかどうかを調べます。これは素晴らしい顧客事例になる可能性があります!
家庭用および業務用の環境に設置された独自のデバイス (スマート メーター) から収集したデータは、10 秒から 1 か月ごとにレポート/収集できます (ユーザーの同意に応じて)。 このデータは、家電製品の「シグネチャ」を使用することで非常に深く掘り下げることができます。つまり、使用している冷蔵庫のモデルと、それが正しく機能しているかどうかを知ることができます。
彼らはこのデータの宝庫に座っており、そのデータの活用から商用モデルを作成する方法を見つけるために懸命にブレインストーミングを行っています。 現時点では、この会社は、データを収集し (IP 保護)、National Grid の支援を受けて効率を高めるスマート メーターの販売から利益を得ています。ボルト/VAR の最適化.
これは、英国とアイルランドにユーザーを持つ米国本社の会社です (これは私の領土であるため、私の個人的な関心を説明しており、演習のために彼らの身元を完全に保持しています)。 私の連絡先は、彼らが「Cash Happy」であることを保証しました。私は従業員コミュニティとSEに目を向け、幅広い知識と専門知識を試して、彼らと話し合うためのいくつかの素晴らしいアイデアを得てください。さらに重要なことは、JMP製品がどのように適合するかです.実行可能な商業モデルへの旅。
彼らの主なクライアント (収益源) はエネルギー プロバイダーから来ており、Bosch/Samsung/LG などの家電メーカーとの間で興味深いレベルの相乗効果が見られます。
従業員コミュニティまたは電子メール (george.platings@jmp.com) でお気軽にご回答ください。
また、利益相反がなければ、喜んで会社のアイデンティティを共有します。
分析の面では、FDE はこの分野で非常に興味深い役割を果たしていると思います。 メーターからエネルギー使用量の連続波形を収集し、処理のためにクラウドにアップロードすることを目的とした、多くの商用 (および消費者向け) 製品があります。
2 つの例は、Neurio と Sense です。 これらのプラットフォームの「特別なソース」は、アプライアンスの自動識別です。 簡単な使用例は、ユーザーが家を出た場合に警告することです (つまり、すべてのデバイスが離れていて、ジオフェンスされたエリアの外にあり、ストーブがオンになっている場合)。 しかし、メーターを通過する全体的な電気信号からストーブをどのようにセグメント化するのでしょうか (たとえば、洗濯機の電源が入っているか、他のデバイスがオンになっている可能性があります)。 したがって、時間の経過とともに信号を見て、アプライアンスを識別するためにエンベロープを抽出できるようになることは、FDE が支援すべきことです (実際、彼らのプラットフォーム作業の多くは、エンド ユーザー アプライアンス トレーニングの助けを借りて、波形/エンベロープの開発にあります)。
もう 1 つの使用例は、フリート内に同じデバイスが多数あり (回転する、または風に反応する大きなものを考えてください)、アンペア数の消費、ランプの増加に関して、すべてのデバイスの起動エンベロープが同じであることを確認したい場合です。動作温度/電圧など。また、何かが正しくないように見えるときに対応できるようにしたいので、資産を降ろしてメンテナンスを行い、よりコストのかかる障害や計画外の停止を防ぐことができます。
このモデル構築活動が、クリス・ゴットワルトが語る「機能的機械学習」です。 明確にするために言うと、JMP Pro はこれらのデータのリアルタイム処理には適していません (また、そのように位置付けるべきではありません)。 (モデルを SAS、C、SQL、Python、または JavaScript に変換することにより) それらのモデルを本番環境に導入するのに役立つスコア コードを生成します。
