ถามกว้างมากครับ น่าศึกษาอีกนิดแล้วถามจะลงลึกกว่านี้หน่อยว่าอยากได้อะไรเป็นส่วนๆครับ จะได้คำตอบที่ดีกว่าเดิม แต่เท่าที่เคยคุยกับคนที่ทำโปรเจคเกี่ยวกับจะทำยังไงให้แอร์มีประสิทธิภาพประหยัดไฟดีที่สุด คำตอบคือเลือกซื้อแอร์ที่มีความประหยัดไฟมากที่สุด แล้วเปิดโหมดออโต้แล้วให้มันจัดการเองครับ เพราะผู้ผลิตเขาหาวิธีรีดประสิทธิภาพสูงสุดของแอร์รุ่นนั้นมาอยู่แล้ว ถ้าเราใช้ ML มาวิเคราะห์ภาพรวมแล้วจะไม่คุ้มเพราะมันแทบไม่ดีขึ้นเท่าไหร่

ส่วนเรื่องเช็คสถานะแอร์อันนี้ลองใช้อุปกรณ์เช็คกระแสแบบเกือกม้าก็ได้ครับเข็คว่ากระแสปกติควรเป็นเท่าไหร่ถ้ามันมากหรือน้อยผิดปกติแสดงความแอร์มีปัญหา แล้วก็อาจจะมีเซนเซอร์เช็คกับความชื้นด้วยว่าแอร์ทำความเย็นได้สม่ำเสมอไหม(ซึ่งก็น่าจะต้อวมีมาทำ MLอยู่แล้ว)

ปล2. ผมว่าการหาความประหยัดมันทำได้ไม่คุ้มแล้วเพราะผู้ผลิตเขารีดประสิทธิภาพมาเกือบสุดๆแล้ว(จะดีกว่านี้คงต้องออกแบบแอร์เอง) ผมว่าลองทำ ML ที่ทำให้แอร์ปรับอุณหภูมิแล้วคนไม่รู้สึกหนาวเกิน หรือร้อนเกินน่าจะดีครับ เพราะอันนี้เป็นปัญหาเบสิกที่ไม่ว่าแอร์จะดีแค่ไหนก็แก้กันไม่ตกเลย

ปล3. หรือทำ iot+mlเพื่อหาเวลาที่เหมาะสมที่จะ MA แอร์ก็น่าจะดีนะครับ ติดเซนเซอร์ตรวจฝุ่นตรวจความแรงลม แล้วหาว่าแอร์ตัวไหนได้เวลา MA แล้วเพราะส่วนใหญ่เราจะียกช่างเมื่อแอร์ไม่เย็นทำให้เวลาจำเป็นใช้ไม่ได้ ถ้าเราเพลนเวลาMA ได้เราก็จะไม่เจอปัญหาเวลาใช้งานน่าจะมี value ที่มากกว่าประหยัดไฟคือเพิ่ม availability น่าจะ useful กว่าครับ

วันต่อมามีข่าวนี้พอดีเลย https://www.blognone.com/node/104698

แนะนำให้แตกปัญหาออกมาเป็นข้อย่ยอยที่สุดเท่าที่จะย่อยได้ อันนี้พอเป็นไอเดียนะครับ
เอาแบบง่าย ๆ ก่อน ทำนายว่าควรจะเปิดหรือปิด/เปิดแอร์ หรือยัง
เก็บข้อมูลเหล่านี้มา spec แอร์ที่ใช้ ให้ลงลึกในระดับการหมุนของพัดลม และการกินไฟ เปิดกี่นาทีถึงจะเย็น ปิดกี่นาทีถึงจะร้อน ขนาดห้อง ภายใต้จำนวนคนกี่คน จำนวนแอร์กี่ตัว อุณภูมิข้างนอก อุณภูมิข้างใน
จากนั้นเอาไปสร้างเป็น training set โดยที่ record ให้ lag เป็น ราย 1 นาทีตามที่เก็บมา กำหนด target var เป็น เปิด/ปิด (ตอนสร้าง label ให้ iot เก็บข้อมูลไว้ว่า user สั่งปิด/เปิดแอร์ตอนไหน มันจะ stamp คู่ไปกับ independent variable ณ เวลานั้นๆ)
ทั้งนี้ ตำแหน่งของ sensor ก็มีผลต่อที่มาของข้อมูลด้วย พอได้โมเดลแล้ว ลองเอาไปทำ a/b testing กับแบบไม่มี ML โดยดูค่าไฟและความรู้สึกคน (ทำเปนแบบสอบถาม likert scale ก็ได้) จากนั้นกลับมาที่โมเดล แล้วดู class confidence ว่าจะตัดที่ prob เท่าไหร่ถึงจะโอเค พอทำไปหลายๆ epoch ให้เอาผลที่ได้มาไปทำโมเดลเรื่องค่าไฟมาครอบอีกที

นอกจากนี้ คุณจะเจอ factor ที่น่าสนใจเพื่อเอาไปทำ process optimization ต่อไป แนะนำลองใช้ logistics regression ดู (ผมเชื่อว่าข้อมูลแนวนี้ correlation สูงอยู่) ถ้าไป deep จะแปรผลยากว่าตัวแปรไหนเป็น trigger

ส่วนเรื่องคาดการว่าแอร์จะแอร์เสียตอนไหน หรือใกล้หรือยัง คุณจะต้องเอา spec แอร์กับ condition ตอนทำงานทั้งหมดมาสร้างอีกโมเดลหนึ่ง แต่คุณต้องมีตัวอย่างแอร์ทำงานแล้วเสียมากพอ ไม่งั้นจะเจอปัญหา rare event

และเรื่องการเปลี่ยนโหมดการทำงานถ้าเกิดแอร์บางตัวเสีย ให้คุณไปสร้างข้อมูลขึ้นมาตอนทำ label โดนปล่อยมันวิ่งเดี่ยว วิ่งคู่ ไปตามชั่วโมงที่กำหนด แต่ทำโมเดลแยกออกมาเป็นรายโหมด โหมดวิ่งเดี่ยว โหมดวิ่งคู่ (แอร์ 4 ตัว เป็นไปได้หลาย combination เช่น mode_a = [1,2,3,4], mode_b = [1,2,3], mode_c = [1,2], mode_d = [1]) ส่วนการเลือกโหมด ให้เขียนเป็น if else logic ง่ายๆ โดยอิงจากการทำงานของแอร์ ครอบไปบน ml ทั้งหมดที่ทำมา

อย่าลืมวัดผลความคุ้มค่าด้วยนะครับ ถ้า scale เล็ก ๆ อาจจะไม่เห็นความคุ้มค่าที่ชัดเจนในการเอา ml มาช่วย

ลอง literature review หัวข้อ predictive maintenance, smart home automation ตาม IEEE หรือ Springer ดูครับ

การล้างแอร์มีผลกับประสิทธิภาพมากครับ แต่เมื่อไหร่ควรล้างก็เป็นอะไรที่ยาก ส่วนใหญ่ก็จะล้างตามระยะเวลากัน
ถ้า AI สามารถเก็บข้อมูลประสิทธิภาพของแอร์ เพื่อบอกได้ว่าควรล้างแอร์ได้ก็จะดี ลองทำระบบเล็กๆเพื่อใส่ในแอร์บ้านดู

ผมคาดว่าเป้าหมายน่าจะต่างกันตรงการใช้พลังงานต่ำ กับค่าใช้จ่ายต่ำ

ถ้าเป็นผมว่าน่าจะศึกษาประสิทธิภาพของแอร์ รวมถึงแอร์แบบต่างๆ กับประสิทธิภาพของอุปกรณ์ที่อุณหภูมิต่างๆนะ ส่วนจะใช้ ML หรือ AI ไหม ผมยังไม่นึกถึงครับ