# 日本ユニシスワークシート
### ワークテーマ
## 顧客がDigiDmeisterをより使いやすくするために、ビックデータとAIを活用した新たな機能を考える

1. アイデア出し
2. 決定　←day1
3. 根拠、論文探し
4. 具体的な機能を考える
5. プレゼン準備←（途中まで）day2

次の日やることの確認を間に挟む

## DAY1
①④：現状理解　②③④：アイデア出し　

DAY1の終了まで：**顧客の課題に対して、どのような機能を出すのがいいのかアイデアだし**

まず**現状理解**を進めていきます
### 背景
* 新設住宅着工戸数の減少（人口減少）
* 原因：都市のアパートが増えて新築の需要減少
* 日本の住宅の寿命平均30年　環境に悪い
* 対応：設計高度化、高付加価値
* 設計技術の高度化・複雑化
* シミュレーションを間取りなどにも適用（風通しの良い間取り、エコな間取りを提案）
* 今までのシミュレーション：耐久性などの**証明**に利用
* 現在はデザイン分野に転用
* 働き方改革　業務効率化
* 住宅メーカー（特にセキスイ）はブラック
* さらに設計の高度化、業務の複雑化→初期投資（スキル習得）が大変
* 着工戸数の対応と働き方改革のトレードオフ

### 背景・課題まとめ
**着工数の減少は不可避→対応として設計高度化、高付加価値の方向性→求められる技術や勤務時間が伸びる→あくまで働き方を考慮した上で設計高度化、高付加価値を目指さなければならない**

### 課題まとめ　
営業が施主との対話を通して、得られた要望を設計者に適切に伝え、それを設計に落とし込むのが困難である。また、その設計を施主と見比べた時に要望に合わない内容になってしまうかもしれない。

### 現状
* ゾーニングよりも固まってから使用
* 営業初期～
* 超初期は使わない
* 図面出力以降、後工程へも連携
* 部材＋工事費　あわせて見積もりできる
* マスター設定（施主の要望）に合わせて
* 誤差：単位設定でまちまち

### 課題の深堀
* リードタイムが長い
* 初期の打ち合わせでの課題
* 出会い～契約：
* ①提案ツールが複数、使いこなせない　
* ②打ち合わせ～プラン提出までが長い←操作の難しさ
* 打ち合わせ：
* 手書きを手入力で反映させる作業
* 移動時間のロス　自宅で作業できると時短←働き方に関係
* 打ち合わせ中に反映できない
* 要望と環境などの制約条件を上手く落とし込むのが難しい
* →AI、ビッグデータ活用？
* 設計：
* 大型物件：入力部品が増える(時間かかる)←働き方に関係
* 作業場所の制限　専用端末　時間・場所でロス
* 他者（外部業者）とのファイル形式の違いで変更反映に時間がかかる
* グラフから間取りを生成するAI　研究段階（HouseGAN++）
* 図面からの脱却
* 外部業者との連携
* 住宅専用で汎用性が低い
* OpenBIM　家モデルの**オープン化**(＝ファイル形式をオープンソースにする)が不十分
* **IFC**への移行が必要
* 競合(リクシルなども移行)に勝てない
* ファイル形式を専用にしすぎると他のソフトに移せない
* 高速化のための処理技術
* 自宅で操作できない問題
* 共同作業ができない


### 共有資料中の改善案
* AI利用
* ヘルプデスク
* ルールチェック
* 敷地面積・施主情報（家族構成、年齢）などから類似プランを提案
* 敷地**形状**から提案：すでに研究はある
* 家具・建具の自動配置

### ターゲット
* 施主
* 住宅メーカー
* 設計
* 営業
* 外部業者

### AI・ビックデータで何をしたいか？
* 顧客（人間）にアプローチ
* **画像で家具を分類分け**　それぞれの人に好まれる家具を自動で配置
* **「好き」「嫌い」二択で好みのプランを生成**
* 顧客の意見を取り入れてAIで判断
* 「嫌い」という情報の利用　選択肢から省く
* 日本人的
* **二つを組み合わせる**
* お問い合わせ・アフターサービスの満足度などフィードバック
* 打ち合わせ用の複数パターン用意に時間がかかる

* 内部での操作
* 住宅メーカーが施主の要望に沿った最適な設計を提供しやすい
* ~~素人~~**施主でも判断できるような基準を提案**してくれる
* 施主が重要視している点に合わせて最適な設計をAIが提案
* 設計最適化
* 窓の配置など
* ベテランと新人の差を埋める
* **利益率判断**
* 基本シンプルだと安い　ノウハウ
* 設計が**環境にやさしいか**どうか（エネルギー供給、発電）
* エアコン
* 風通し
* 施主が重要視するところを選択してもらうことでさらに自動化

* 超解像：高精度で高画質にやろうとすると時間かかるが、低画質でレンダリングしてAIで埋めるとかの技術はある
* 外部に投げる前にAIで無理な設計をチェック（配線など）「干渉チェック」
* 既にある
* 配管―**光熱費計算**はない　太陽光発電量計算はある
* 操作予測
* グラフ図からのゾーニング　図面自動生成
* 操作ログを保存　手作業で何度も変更しているところを自動化する　今後の改善のために活用する　
* 人と建具（棚）、段差、階段の配置（怪我しやすい、危険なところ）
* データ収集が難しい

* その他*

### 既にあるAI
* 顧客意見の取り入れ
* 対象、機能による
* BIMとの結びつき
* 「干渉チェック」

### アイデア
* リフォームへの進出
* 新設需要減少への対応
* 現状機能でもある？
* リードタイムが長い
* 「好き」「嫌い」二択で好みのプランを生成
* 顧客の意見を取り入れてAIで判断
* 「嫌い」という情報の利用　選択肢から省く
* 日本人的
* その場でパラメータ調整できる　二度手間をなくす
* モバイル端末orリモート
* GeForce, VR(スマホでもできる)
* 顧客が操作できる専用ソフト
* すでにある？
* 顧客情報などから一定程度絞り込む
* 自宅で操作できない問題（AIとつながりにくそう）
* セキュリティ
* クラウド化→ビッグデータ活用
* どんな端末でもできるようにする(クラウド化の時点で解決？)

* 図面からの脱却
* 要所は図面　脱したい
* 汎用性が低いにまとめられる
* ファイル形式の違い
* 住宅専用で汎用性が低い
* OpenBIM
* 家モデルの**オープン化**(＝ファイル形式をオープンソースにする)が不十分
* 共同作業にも関わる

* 処理時間高速化のための処理技術
* レンダリングなどの処理時間
* CGについて
* 超解像：高精度で高画質にやろうとすると時間かかるが、低画質でレンダリングしてAIで埋めるとかの技術はある
* CGっぽさを消す：写真をイラストっぽくするの逆
* 既存技術：ノイズ除去AI
* VR酔い
* AIREALMEISTERでVR表示できる（HTC バイブ　リバーブ）OpenVR（端末非依存）
* AR,MR,XR
* AR：家の周りに、家の外観のCGを合成　実際に現場で見る
* すでにできる
* 同時並行作業ができない
* 外部業者との連携
* 変更が外部業者担当箇所にも影響するとやりとりに時間がかかる
* 外部に投げる前にAIで無理な設計をチェック（配線など）「干渉チェック」
* 既にある
* 配管―光熱費計算はない　太陽光発電量計算はある
* クラウド化(AIとかの応用はつながりにくい？)
* システム的に深い
* 変更箇所のログを残す
* Fusion360でできる

* **住宅メーカーが施主の要望に沿った最適な設計を提供しやすい**
* 施主が重要視している点に合わせて最適な設計をAIが提案
* 施主でも判断できるような基準
* 窓の配置など
* ベテランと新人の差を埋める
* **利益率判断**
* 基本シンプルだと安い　ノウハウ
* 設計が**環境にやさしいか**どうか（エネルギー供給、発電）
* エアコン
* 風通し
* 施主が重要視するところを選択してもらうことでさらに自動化

> 顧客がDigiDmeisterをより使いやすくするために、ビックデータとAIを活用した新たな機能を考える

### フィードバック後
* 住宅メーカーが施主の要望に沿った最適な設計を提供できるAIシステム
* 住宅メーカー：売る側
* 施主：家が欲しい人
* 最適な設計：施主が重要視しているのはどこかの認識が大事
* 複数パラメータ（風、エコ）でいくつか提案
* パラメータしぼって一つに特化した案

* 今まで：打ち合わせ→ラフ→設計→打ち合わせ→…
* 提案：顧客の重視するところをデータとして保持、重視ポイントに最適な設計を提案
* 利点
* 最適設計までの近道に
* 定量評価で明確なプレゼン
* 設計者の負担減
* 課題：技術的に解決できると言えることが大事
* 学習データの収集
* 学習
* システムへの組み込み

### 明日
* 技術的価値
* 施主が重視しているところ　八上、安倍
* コスパ
* 空間的快適性
* 標準新有効温度（SET）
* 光環境
* グレア（眩しさ）
* 風環境
* 0.4m/s~1.0m/s
* 既存技術　松本(機械学習)　木林(建築的な観点)
* 競合のリサーチ　早田
*　ストーリー決定(これは5人でやるべき)

* 論文さがし：~~得意分野で分担~~
* BIM
* ビッグデータ
* AI

## DAY2
### ワークテーマ
## 顧客がDigiDmeisterをより使いやすくするために、ビックデータとAIを活用した新たな機能を考える

### 今日の到達点の確認
1. アイデア出し
2. 決定　←day1
3. 根拠、論文探し
4. 具体的な機能を考える
5. プレゼン準備←（途中まで）day2

### 背景・課題まとめ
**着工数の減少は不可避→対応として設計高度化、高付加価値の方向性→求められる技術や勤務時間が伸びる→あくまで働き方を考慮した上で設計高度化、高付加価値を目指さなければならない**

### 提案機能
* 住宅メーカーが施主の要望に沿った最適な設計を提供できるAIシステム
* 住宅メーカー：売る側
* 施主：家が欲しい人
* 最適な設計：施主が重要視しているのはどこかの認識が大事
* 複数パラメータ（風、エコ）でいくつか提案
* パラメータしぼって一つに特化した案→具体的な方針が決まってから決定
* 今まで：打ち合わせ→ラフ→設計→打ち合わせ→…
* 提案：施主の重視するところをデータとして保持、重視ポイントに最適な設計を提案
* 利点
* 最適設計までの近道に
* 定量評価で明確なプレゼン
* 設計者の負担減
* 課題：技術的に解決できると言えることが大事
* 学習データの収集
* 学習
* システムへの組み込み

* **施主側のビッグデータ活用**
~~* 顧客情報~~
* **重視ポイント**
* 心理テスト
* **メーカー側のビッグデータ活用**
* 図面
* 操作ログ
* 活用する理由
＊ 利益

* モデルの大枠を決定したのち、細かなところをAIで最適化

パラメータ設計はシンプルに心理テスト

### 今日やること
* 技術的価値
* 施主が重視しているところ　八上、安倍
* コスパ
* 空間的快適性
* 標準新有効温度（SET）
* 光環境
* グレア（眩しさ）
* 風環境
* 0.4m/s~1.0m/s
* 既存技術　松本(機械学習)　北林(建築的な観点)
* 競合のリサーチ　早田
*　ストーリー決定(これは5人でやるべき)*

* 注意点
* どういった機械学習を使うべきか？
* AI機能と言えるか？

* 調べること
* 施主が重要視している項目の決定
* その項目を活用した先行研究の調査
*

* 初期均衡
* ヒアリングでパラメータ決定
*　見込み客育成
*　概算見積
*　提案ボード
*　施主が重視している点をプレゼン資料に反映

* キーワード

### 早田
* アーキロイドについて
* https://htonline.sohjusha.co.jp/603-065/
> 施主から与えられた条件に応じて、**設計自体全て自動**でやる。多様なプランの提供。
> 似ている点：顧客が求める設計を**複数提案**　配置や設計を自動で行う
> 異なる点：全設計が自動　施主が入力するデータが部屋の数や価格　風通しやエコなどについての**定性的な評価はない**　設計者がそもそも存在しない　
> 本提案の優位性：施主から聞いた意見をもとに設計者が設計し、それに対してAIによって最適化を行うため、**設計の自由度が高い**　定性的な評価を利用することで、施主や住宅メーカーの営業にとってわかりやすい提案ができる


* https://www.ipa.go.jp/files/000065849.pdf
> 入力情報が以下の通り
>施主さんや営業の人にとってわかりやすい定性的なデータではない

> マッチング後に初めて事務所と契約。基本設計などを始める。ここで施主さんと設計事務所とのイメージの違いが生まれちゃいそう


* アンケート結果のAIによる分析事例
* [テキストマイニングについて](https://www.traina.ai/solution/textmining/about.html)
> 大量の文章データ（テキストデータ）から、有益な情報を取り出すことを総称してテキストマイニングと呼ぶ
施主にアンケートをして、採光や風通し、価格について定量的に評価してもらうのでもいいかもしれないが、施主と営業との話し合いの内容(もしくはアンケートに書いてもらう自由記述にとどまるか？)をテキストマイニングによって分析して、AIでの設計最適化に落とし込むのも面白いかも


* [定量データと定性データ](https://www.exa-corp.co.jp/digital-business/blog/qualitative-and-quantitative.html)
* 定性データ
* 数値ではないため、分析が難しい
* テキストマイニング→後で深める
* 定量データ
* 分析がしやすい
* 5段階評価
* 組み合わせが大切


### 安倍
* **間取り**、外観のデザイン（景観の法律）、**内観の色使いや素材(保留)
* **耐震性・耐力壁のバランス**、**通気性**、**採光性**、**省エネルギー（熱環境）**、**価格**、**音響(保留)**、設備機器・照明、外回りと室内の関係性、素材の経年劣化と経年美。(https://smtrc.jp/useful/knowledge/iedukuri/2020_09.html)(2020.9)
*　強調部分

* 世帯情報によらず、複数のモデル
* 通気性を変えることで間取りが変わる

https://myhomemarket.jp/magazine/20-house-03-research/index.html　(2020.1.16)
* 重要な点
* 予算にあう物件だったから→モデルの価格
* 希望通りの間取りだったから→間取り
* あまり重要でない点
* 耐震・防音・高気密などの住宅性能がよかったから→耐震性

http://www.home-plaza.jp/coInfo/icons/pr110906_kimete.pdf　（2011.9.6）
* 重要な点
* 物件の価格
* 物件の間取りや広さ
* 地震対策→耐震性
* 日当たりのよさ→採光性
* あまり重要でない点
* アフターサービス

* 高齢世帯：バリアフリー、ヒートショック対応
* 若年・子育て世帯：収入に応じた住宅
(https://www.nri.com/-/media/Corporate/jp/Files/PDF/knowledge/publication/region/2018/02/ck20180203.pdf?la=ja-JP&hash=CE6BD0AFA3DE197FCAFD26B1F9B3083D9D1B0105)(2018)

* **リモート会議の声が聞こえて不便（アパートやマンション）**
* 遮音性の重要性？　DigiDの対象である一軒家なら関係ないか？
* **自宅で作業が増え、さらに子供がいる→書斎があるか**
(https://diamond.jp/articles/-/272848?page=2)(2021.6.11)
* 自宅での作業に応じて考えるべきことがあるか？
* オンラインが今後増えていく
* 玄関近くに洗面所があるか

* 3.11のときの耐震性基準が厳しくなっていった。尾を引くこともある

### 北林
[アーキロイド](https://archiroid.com/)

[テキストから３Dモデルの作成](https://arxiv.org/abs/2003.00397)
* テキストをStanford Scene Graph Parserでグラフ表現に変換
* グラフ畳み込みネットワーク
* グラフ表現をバウンディングボックスに変換（画像ベース）
* バウンディングボックスをポリゴンデータに変換

[デジタル化がもたらす住宅イノベーションの期待](https://www.nri.com/-/media/Corporate/jp/Files/PDF/knowledge/publication/region/2018/02/ck20180203.pdf?la=ja-JP&hash=CE6BD0AFA3DE197FCAFD26B1F9B3083D9D1B0105)

[「ファーストバイヤーの住宅購入意識調査」](https://www.sekisuiheim.com/info/press/20171101.pdf)

[人工知能建築家『アーキロイド』の開発](https://www.ipa.go.jp/files/000065849.pdf)

[Design Optimization of a Passive Building with Green Roof through Machine Learning and Group Intelligent Algorithm(2021)](https://www.mdpi.com/2075-5309/11/5/192/htm)
* 建物のエネルギー消費量と視覚的不快感を小さくするための最適化手法の提案
* 建物の形状や外壁の材質などがパラメータとなっている
* 建物のエネルギー消費量と視覚的不快感が解析結果の評価値
* 形状などのパラメータとエネルギー消費量などの評価値で機械学習を行う（誤差逆伝播法）
* 評価項目を最小化するようなパラメータの組み合わせを最適化アルゴリズムで求める
* パラメータから解析結果の数値を得る段階を機械学習にして効率化している
* 最適解となるパラメータを求める段階は時間がかかる

* 施主の要望をメーカーが言語化して、反映
*　AIと人の制作したものの勝負
*　AI：40％

### 松本
[建築構造設計のための機械学習(2020)](https://repository.kulib.kyoto-u.ac.jp/dspace/bitstream/2433/259695/1/traverse_20_100.pdf)
* 複雑な構造解析（骨組部材配置のトポロジー最適化(部材、配置の最適化)）の時短にAI活用
* 中規模以上の建築に有用
* SVM
* 制約条件(建築基準法、力学的条件：変形、応力)は数式表現可能
* 材料、施工コストなどは曖昧　多目的最適化→従来は設計者の知識や経験に左右された
*
* 建築は過去のデータや学んだパターンを基に設計することが多い：機械学習に向いている

[製品設計における人工知能技術の応用(2016)](https://www.fujitsu.com/jp/documents/about/resources/publications/magazine/backnumber/vol67-3/paper10.pdf)
* 回路プリント基板設計における層数予測
* 従来は経験から予測or仮配線(時間がかかる)
* サポートベクター回帰（非線形カーネル）
* 特徴量は熟練者が重視する項目をヒアリングして調整
* 学習データ収集のためのクラウド利用、機械学習フレームワーク作成
* 提案との共通点：
* パターンに基づく設計
* 最適解を導き出すのに経験がいるor時間がかかる作業をAIで置き換え
* 提案との相違点：
* 創造的提案はしない

[FEM と幾何学の機械学習(2019)](https://www.ricos.co.jp/tech-0101_ml_fem_geometry/)
* 機械学習するときに用いる3Dデータの形式ごとの特徴についてのまとめ
* シミュレーションをAIで/シミュレーション結果からの逆問題をAIで（ex.風の通り方から窓の配置を求める）
* シミュレーションができる：良質な教師データが作りやすい

[設計自動化で音響を極めた釜石市民ホールTETTO、壁・天井の複雑な形状を自動生成](https://xtech.nikkei.com/atcl/nxt/column/18/00300/00004/)
* 壁、天井形状の最適化
* 音響（反響、残響）の最適化
* 間取りとは関係ない

[設計自動化を阻む壁、結局は設計者の力量にあり？](https://xtech.nikkei.com/atcl/nxt/column/18/00300/00002/?P=3)
* コンピュテーショナルデザインの問題点（質疑で来そう）
* 設計者の解釈・評価スキルが必要で、結局は人材育成がより大変になるのでは
* プログラミングスキルも
* （回答）解釈・評価スキル：結果がよければブラックボックスでも良い？
* 製造現場との不整合性　作りにくいモデル
* （回答）住宅はまだそんなに複雑ではない
* （回答）いずれは考えないといけない

[CNNによる三次元データの気流解析(2016)](https://damassets.autodesk.net/content/dam/autodesk/research/publications-assets/pdf/convolutional-neural-networks-for.pdf)
* 図面からでなくても三次元データを直接評価できそう

### 八上
*　住宅購入の成功頻度が100点に満たない理由→重要視する点 (2017/11）
*　1. 間取り・プラン→すでに用意されているものなので細かな点でのAI活用　
*　**2. 収納**
*　**3. 費用**→様々なパターンを提案し素人でも簡単（視覚的）にメリット・デメリットの判断
*　**4. 庭や車庫，外回り**
*　5. キッチン，浴室，洗面，トイレ
https://www.sekisuiheim.com/info/press/20171101.pdf
*　スマートハウスの導入
*　初期費用が掛かる
*　今後，施主が希望する住宅をベースにメリット（電気料金）があるか判断する
* 陽当りや風通しなどの環境的な要素
* 様々なパターンを提案し素人でも簡単（視覚的）にメリット・デメリットの判断
*　間取りは施主とメーカーで話し合うこと
*　プラン決定の基本
https://www.nihonnokurashi.jp/guide/point.html
*　**住宅として最低限必要な要素**←AIが判断するものではないのでは
*　耐震，耐久性
*　断熱性
*　防犯
* 施主が気づいていないものを提案できると言うもの大切
* AIによってより豊かになるというのが大切
* 新規施主の獲得には大切

### 11:00まとめ
　* 競合はアーキテクト以外は考えなくてよい
　* 重要な点が他にないかを調べる。重みづけ（根拠があれば）がどれくらいなのか
　* 風とかが良くなるようなシステム作り
　* パッシブデザイン

### フィードバック
　* 顧客の課題に対して裏付けがほしい
　* DigiDmeisterの強みを生かしたものなのか、弱みを改善したものなのかを明確にできるといい
　* アンケートに答えるための手法（紙なのか、iPadなのか）
　* プロトタイプの作成は時間との兼ね合い
　* 想像で言っているのではなく、ちゃんと調査した上で決めたことって言うのを言うのが大切　資料に基づいて
　* プレゼンの評価項目の意識

### ストーリー立て
## 背景
* **着工数の減少は不可避→対応として設計高度化、高付加価値の方向性→求められる技術や勤務時間が伸びる→あくまで働き方を考慮した上で設計高度化、高付加価値を目指さなければならない**

## 目的
* 住宅メーカーの技術的・時間的負担を減らしつつ、施主にとって最適な設計を提案するのが目的

## 課題(施主さんとの出会いの段階にある課題)
* 営業
* 施主の要望を的確にとらえにくい。設計者に伝えづらい。
* 住宅に関する知識が少ない
* ソフトウェアが得意ではない
* 完成まで時間がかかる
* 設計者
* 施主の要望がわかりにくい→設計に落とし込むのが大変
* 完成まで時間がかかる
* 経験が浅いとかえって制作に時間がかかる.
* 教育が必要
* 高付加価値、高度化が要求される中で最適解を見つけるのが難しい
* 施主
* 完全に要望に沿った設計までに時間がかかる
* 何をどうしたらいいかわからない(素人でもわかりやすい評価指標が欲しい)
* 要望とのミスマッチを防ぎたい

## 提案システム
* 住宅メーカーが施主の要望に沿った最適な設計を提供できるAIシステム
* 流れ
* 営業が施主の要望を聞く
* アンケ―トを取る（手法）←提案
* 耐力壁のバランス
* 通気性
* 採光性
* 省エネルギー（熱環境）
* 価格
* 音響(保留)
* 設計者が営業からのラフ画を設計に落とし込む
* アンケートを解析した結果をもとにAIが最適化をする←提案
* 営業が施主に最適化された設計を提案
* 恩恵
* 施主
* 自分の要望に沿った設計が提案される
* 打ち合わせ回数が減る=安くなる
* 新しい判断基準ができる
* 営業
* 打ち合わせ回数が減る=安くなる
* わかりやすい評価基準で施主に提案できる
* 設計者
* 高度な技術力がなくても施主の要望をAIによって自動で反映できる

## 今後の展望

## DAY3

### タイムスケジュール
* スライド確認（全員）
* スライド修正（個別）
* 30分ごとに確認
* スライド体裁整える
* 完成　11:30
* 確認　12:00
* **スライド提出**13:00
* 発表練習

#### 想定質問
* システムの懸念点・短所(北林、AI：松本)
* 探索に時間がかかる
* 作業で苦労した点（チームとしてのネガティブ質問）（安倍）
* 課題が誰に対しての課題なのか、提案手法によって誰が得するのか、把握することが難しかった
* 顧客の定義を施主と（不慣れな分野だったため）
* 提案機能の技術的な裏付けをとることに苦労した
* 工夫した点（チームとしてのポジティブ質問）（八上）
* 対象が単独ではなく、施主・営業・設計者のみんなにメリットがあるように考案した