効率的に無人の植物工場を管理しよう！

公開日： 2016年6月19日日曜日 データ解析

ELF85_IMG_0823_TP_V

富士通のスマート農場 クラウドに記録、栽培を最適化：日本経済新聞

人工知能によって、無人で自動的に植物工場を管理できつつあります。そこで、データサイエンスをさらに活用することによって、もっと効率的に植物を作ることを考えます。

手法としては、回帰分析手法やクラス分類手法です。目的変数は、植物工場の目的によっていろいろと考えられます。たとえば、植物の成長度合いです。定量的に表現できれば回帰分析を活用できます。他には、すでに植物として出荷するための条件があるのであれば、その条件を満たしているか(合格か)、満たしていないか(不合格か)といった目的変数になります。この場合はクラス分類です。その他、植物のある栄養素の量なども考えられますね。

説明変数は、植物工場の運転条件です。温度を何度で管理したか、湿度を何%で管理したか、いつ・どれくらいの・どんな種類の肥料を与えたか、といった変数です。時間変化があれば、説明変数は時系列データになります。

このような目的変数と説明変数との間で、回帰分析モデルやクラス分類モデルを作ります。

モデルを使って、植物工場の運転条件の最適化を行います。

まず、運転条件をいろいろと変えながら回帰分析モデルやクラス分類モデルに入力して、目的変数の値を推定します。次に、その推定値がより望ましい運転条件を選びます。より大きく植物が育ったり、より低コストで合格したり、より多くの栄養素の量を含んでいたり、と言った具合です。その運転条件で植物工場を運転すればよいのです。

もちろん、植物工場では常にデータが取得されていますので、そういったデータを活用して回帰分析モデル・クラス分類モデルを更新することで、モデルの精度も上がり、より効率的な植物工場の運転条件を探せることになります。

 

こちらもぜひ！

フォローしていただけると嬉しいです。

  • ?±??G???g???[?d????u?b?N?}?[?N???A