どうも
小沼です。
今回インターンさせていただいているPROMPT-Xの東京某所にあるオフィスには一つ、絶えない争いの種があります。
そう、それは...
夏場の太陽がツライ！！！
この東京某所、某オフィス５０３号室は北西向きの角部屋。
（参考：Google Maps)
春になると実に良い景色が見えるそうですが、夏になると、朝出勤した時には灼熱地獄、絶叫必至の阿鼻叫喚！西日で夕方も蒸し焼き地獄！そんな酷暑の夏の環境に唯一の癒しとなるエアコン、当然近くで仕事をしたい社員たちの間では席配置における争いが絶えない！そのためこの記事ではPROMPT-Xインターンである私がセンシングとデータ分析でこの争いに終止符を打たんと試みる。
でも、どうやって？
まずは計画から、このオフィス内に温度センサーを三つ、オフィスの窓と熱反射マットの間に一つ。総勢四つの温度センサーを用いて、この夏の暑さを「見える化」してみたい。
コントロールの温度センサーは窓と熱反射シートの間で、エアコンなしのオフィスに近い環境のデータを撮ってもらう。
ひとつ前の記事を読んだ読者はお気づきかもしれないが、このコントロールのセンサーは温度と照度の実験に使用したものです。
方法
- センサーを一か所に集める（同じ条件下）
- センサーの温度から誤差を測る
- 誤差を元に、センサーにかける補正を決める
- オフィス内にセンサーを配置する
- データを取得する
- データを分析する
- 結論！！
仮説
私の仮説は、「窓側の机が一番アツイ、そしてエアコンの下が一番涼しい」です。
誤差修正
まずセンサーをまとめて誤差を測ります
(ピンクの付箋が付いているのが温度２、白い箱みたいなのが複合センサー、基盤のみのをSHTと呼称します）
そしてデータ比較
センサー１は安定している、センサー２（２つ温度センサーが有る）はセンサー１より高い表示と低い表示の二種類。センサー３は不安定ですね（急に下がっているところは計測できなかった期間です）
センサー２のセンサー達の平均を取るとセンサー１にかなり近づきました
センサー３どうしようかな…
基盤丸出しであることを考慮して一度上げたらかなり近くなりました
これでセンサーをキャリブレーション出来たということで。
誤差修正結果
| センサー名 | 処理 |
|---|---|
| センサー１ | 基準（修正なし） |
| センサー2 | ２つのセンサーの平均を取る |
| センサー3 | データに１度追加する |
データ計測
センサーをオフィス内の三か所に配置します
窓付近に一つ
エアコンの下に一つ
玄関付近の机に一つ
データ計測期間は 7/28~29の 11:00~16:00
データ比較
比較用にRealBoardからcsvファイルをダウンロード
PROMPT-Xさんに用意して頂いたAI用マニュアルを要約してもらいました。
センサー３はRealBoardにつながっておらず、ファイル形式も違うので、Claude にいい感じにまとめてもらう（2700列もあるファイルの分析は嫌なので）
(左が、生成されたファイル、時間、サンプル数、１０分ごとの平均温度が書かれている。右が元のファイル)
少ないサンプル数の行を見てみると、しっかりと平均が取れていることが分かる。
グラフ！
すべてのセンサーのデータは揃ったので、グラフを作ってみる。
コントロールがとても高く、その他は凡そ似ていることが分かる。
コントロールとセンサー２のそれぞれの線を取り除いたグラフ、7/28のデータにそれぞれ大きな違いは、センサー３の瞬間的な上下以外見られない、7/29にはセンサー３の数値が、センサー１，２より高いことが見える。
考察
全体的に強い差が出ると予測したセンサー１と２において強い差は見られなかった、センサー３は瞬間的な上下と7/29のデータが他のデータより高い所が目立つ。
エアコンの影響か、日中の温度はオフィス全体でとても安定している。
予想される誤差の要因
これらの要因によって誤差が生じた可能性がある:
- センサーの違い、メーカーや型番が違うので計測結果にずれが生じた可能性がある
- 誤差修正の方法、誤差計測の際の違いが実際の計測の際にも変わらない前提で誤差を修正した
- 計測期間の短さ、センサー３とインターンの都合上、２日間の 11:00~16:00にしかデータを集計できなかった
改善点
- 同一モデルのセンサーを用いる
- 誤差修正の方法を改善する
- データをさらに長期にわたって計測する（8:00~16:00に伸ばす等）
将来の課題
- 今回のデータからヒートマップを作成する
- 暑さに関わる要素（湿度、エアコンの風の強さ）も計測する
- 別の時間帯でオフィスの温度差を計測する（オフィスが西日で強く照らされる夕方など）
結論
データを見ると窓に近いセンサーとエアコンに近いセンサーに強い差は見られなく、仮説とは違う結果となった。
この実験では、センサーによるデータ計測と正確にデータを取る方法を考えるのは非常に難しいことが分かった。しかし、この実験でセンサーを用いたデータ計測と時系列データを用いたデータ解析の基礎は掴めたと思う。
そして、個人的にこの実験で学んだ最も大切な教訓は
「エアコンはすごい」
ということである。
使用ツール、サイト
RealBoard - 収集したセンサーのデータの可視化、csvファイルとしてエクスポート。
Microsoft Excel(2021) - 出力したデータの整理、グラフ制作に使用。
Claude - RealBoardマニュアルの要約、センサー３のデータの整理に使用。
Google Maps - オフィスの方角を調べるのに使用
最後に
今回インターンとして一週間受け入れて頂き、IoT、時系列データ、そしてAI活用の知識などを教えて頂いたPROMPT-X様、そして社員全員に深く感謝し、御礼申し上げます。