IoT: оптимизация энергопотребления умного дома

Ситуация: Умный термостат экономит в среднем 12% энергии. Но 40% пользователей переключают в manual mode. Те, кто в auto mode — экономят 20%. Цель: увеличить adoption auto mode до 80%.

Производитель умных термостатов с 100 000 установок. Алгоритм учитывает: расписание, weather forecast, occupancy detection, energy prices. Часть пользователей не доверяют автоматике.

Доступные данные

• thermostat_data: device_id, timestamp, target_temp, actual_temp, mode, energy_kwh, occupancy
• user_overrides: device_id, override_time, old_setting, new_setting, reason_inferred
• energy_savings: device_id, month, auto_savings_kwh, auto_savings_pct, manual_adjustments_count
• weather: location, date, temp_outdoor, humidity, forecast_accuracy_pct
• user_satisfaction: device_id, survey_date, comfort_score, trust_score, recommend_score

Задачи

• Определить, почему 40% переключаются в manual (discomfort, distrust, UX).
• Рассчитать savings potential при 80% auto adoption.
• Построить модель optimal temperature scheduling с weather и occupancy.
• Предложить trust-building features: transparency, gradual learning, override limits.

Все кейсы для подготовки → ← Все кейсы