仮想センサー
仮想センサーとは、専用のハードウェアで測定する代わりに、既存の信号から測定量を算出する回帰モデルです。目標量がすでに記録済みのチャネルから再構成できる場合、物理センサーは量産製品から省くことができます。Data Sensorsは、お客様自身の測定データからこの種のモデルをトレーニングし、独立したC、C++、Python、MATLABコードとしてエクスポートします。
仮想センサーとは
車両や機械で測定される多くの物理量は、すでに記録されている別の量に系統的に依存しています。トルクは回転数・噴射量・温度に、圧力は負荷・流量・運転点に依存します。このような関係があれば、測定データから回帰として求めることができます。モデルは既存のチャネルを入力として受け取り、目標量を出力します。
この種のモデルを仮想センサーと呼びます（文献ではソフトセンサーとも呼ばれます）。センサー素子が取り付けられていない箇所で測定値を供給します。
物理センサーを省ける場合（省けない場合）
センサーが不要になるのは量産製品においてであり、開発段階ではありません。トレーニングには、目標量を物理センサーで測定し記録することが必要です。したがって試験段階では引き続き必要になります。ベンチや試験車両における基準として、関係を求め、モデルの精度を評価するために使われます。量産では、その位置にモデルが入ります。
同様に、既存のチャネルから原理的に再構成できない物理量を仮想センサーが代替することもできません。情報が入力信号に含まれていなければ、どのモデルもそれを導き出すことはできません。判断の手がかりとなるのは、ホールドアウトした検証用データ、つまりモデルのトレーニングに使われていないデータでの評価です。そこで結果が悪い場合、原因は複数考えられます。データが少ない、カバーされていない運転領域がある、あるいは入力量がその関係を担っていない、のいずれかです。どれに当たるかは、データ基盤と入力の選択を広げることで絞り込めます。
仮想センサーが測定箇所を代替してよいかどうかは、自社の検証と製品に適用される規格に基づき、担当部門が判断します。
Data Sensorsが担う範囲
Data Sensorsは、測定ファイルから実装可能なコードまでの流れをカバーします。測定データの読み込み（CSV、MAT、MDF/MF4、TXT、またはデコード済みのCANトレース）、入力チャネルと目標信号の指定、モデルのトレーニング（ランダムフォレスト、XGBoost、ニューラルネットワーク。ハイパーパラメータは自動で決定）、そして結果を独立したコードとしてエクスポートするまでです。
トレーニング済みのセンサーはそれぞれ、実チャネルとは分けて仮想信号パネルに独立した信号として表示され、そこで読み込み済みの測定と直接比較できます。トレーニングはすべてお客様の計算機上で実行されます。クラウドへのアップロードはなく、アカウントも、別途のPython環境も不要です。
関連する項目
- 3ステップで仮想センサーを作る：測定ファイルからエクスポート済みモデルまでの具体的な流れ。
- Edge AIとデータ主権：モデルがECU上で動作し、測定データが社内ネットワークから出ない理由。
- No Code：Python、Notebook、独自のML環境を必要としない仮想センサー。
- コスト計算例：量産規模でセンサー1個を省くと何が変わるか。