客户支持

运用深度学习技术使空调维修高效化　▶▶▶大金工业

大金工业正在推进作为机器学习技术之一的深度学习的应用。第一步，是售后服务业务的高效化，大金工业开始与新兴企业ABEJA公司（位于东京都港区）合作。

大金工业电子系统事业部部长大藤圭一说道：“我们认为使用深度学习技术或许可以改善商用空调维修业务，故与熟知这一技术的ABEJA公司合作。大金工业，拥有超过20年以上的商用空调修理服务相关数据。我们期待开发一个系统，通过让人工智能系统深度学习这些数据，指导现场工程师对应维修问题。与空调维修相关的咨询会发到联络中心，一旦输入这些信息，系统就会指导现场工程师该怎样做（见图3）。”

以“不再制冷”或“有异常响动”等空调异常状况为首，输入空调的机型、使用年数、安装环境等众多条件后，已学习模型运算法则会判断并指导存在哪些故障原因，需要哪些零件，维修应该如何操作。这样一来，工程师只需要一次拜访就可以为客户提供适合的服务。

图3　运用深度学习开发维修指导系统

大藤部长谈道：“如果该系统适用于维修工程师，也应该同样适用于销售人员。这关系到销售业务的改进。”顺便提一句，电子系统事业部在大金工业发挥着IT供应商的作用，从事着业务用软件包的开发、销售工作。1999年发售的业务流程改革软件Space Finder被村田制作所、TANITA、明电舍等约480家公司采用。将这种应用深度学习技术的服务型员工业务改革解决方案提供给其他公司的计划已经提上议程。

大金工业为本公司的空调提供远程监控系统AIRNET，这一系统的功能是预测70%的故障。

故障预测系统是这样运作的：在全世界商用空调上搭载“现场监控终端”，即在空调上安装的传感器可以在一分钟内监控捕捉包含热交换器温度、外部气温、高压压力、低压压力，以及各种功能零件的变频器频率、室内机液管温度、气管温度等在内的90项、约400个数据，进而检测出大于预先设定值的、可能与故障有关的数据。

把检测出的数据输入到10种逻辑（基本都是条件式）内进行故障预测。例如，当室内机冷媒温度下降时，很多情况下都是因为滤网阻塞，这是一种与故障建立联系的逻辑关系。将冷媒温度等参数输入逻辑内预测故障。故障预测系统24小时总结一次按小时预测的故障信息，发送至大金工业的AIRNET控制中心。

故障预测信息分为三个等级，根据等级不同，具体的对应方式也不同。等级1可能在24小时内出现故障，维修工程师会在2小时内赶赴现场处理。等级2和等级3则分别可能在几周、几年内出现故障。监控终端也可检测出并未发展成故障的异常数据，并发送至AIRNET控制中心。伴随故障预测系统检测信息的同时，工程师也在调查原因并寻找对策。

2015年11月于大阪府摄津市开设的技术创新中心的足利朋义谈道：“从中长期来看，大金工业期待通过开发使用深度学习的故障预测系统提高故障预测精度。”推进故障预测系统开发的TIC是在全球推进官产学结合[11]的重要力量，其实现了凝聚公司内部与外部智慧的“大金式合作创新”。