工場の電力使用量をAIで予測するには｜計測範囲・稼働予定・現場確認のPoC設計

工場の電力使用量を先に見通したい場合、まず決めるのは「どこの、いつの使用量を、何の判断に使うか」です。工場全体の月次記録と、設備ごとの短い間隔の記録では、試せることが違います。データを集める前に、予測を見る担当者と、確認後にできる対応をそろえましょう。

最初のPoCは、一つの計測範囲で予測候補を表示し、現場担当者が実績と比べるところまでに絞ります。設備の停止・起動や生産計画の変更を自動実行する仕組みは対象に含めません。予測できることと、安全に運転条件を変更できることは別に確認します。

計測範囲と予測する時点をそろえる

例えば「前日の夕方に、翌日の時間帯別使用量を確認する」と決めれば、その時点で分かる予定だけを使います。翌日になって確定した生産量や、後から観測した気温を入力に混ぜると、実際には使えない予測を評価してしまいます。

電力と電力量、瞬間の値と区間の合計を混ぜないよう、単位と集計方法を確認します。請求書の月間合計だけで時間帯別の確認をしたい場合は、先に計測方法を整える必要があります。

準備するのは、計測日時、使用量、稼働・休業予定、設備変更の記録です。天気予報を使うなら、予測を作った当時に取得できた予報を保存します。後から判明した実測値で置き換えないようにしてください。

通信停止やメーター交換による欠測をゼロ使用量として扱うと、休業と取り違えることがあります。値の重複、記録間隔のずれ、集計範囲の変更を確認し、補正した箇所には理由を残します。社外サービスを使う場合は、生産予定や設備情報の共有範囲と保存条件も先に確認します。

scikit-learnの公式資料は、予測時点で使えない情報がモデル作成に入ると、評価が楽観的になり得ることを説明しています。学習と評価を先に分け、欠測補完などの前処理も学習側だけで学習します。

過去の期間で作ったモデルを後の期間で試し、季節や稼働条件ごとに結果を見ます。TimeSeriesSplitの説明では、比較可能な評価期間にするため等間隔の標本を前提としています。不規則な計測をそのまま当てはめず、集計区間と欠測の扱いを決めたうえで評価期間を設計してください。

比較対象は、同じ曜日・時間帯の過去値など、現場で説明しやすい方法にします。同じ評価期間と入力条件で比べ、AIの候補を加える意味があるかを確認します。

平均の誤差に加え、使用量が大きい時間帯の過小予測、休業日の誤り、設備変更後の誤差を分けます。担当者の確認時間や、予測が遅れて判断に間に合わなかった回数も対象です。データ件数や精度の合格値は一律に約束せず、判断への影響と実績のばらつきに合わせて決めます。

以下は実績ではなく設計例です。一棟の翌日使用量を時間帯別に表示し、通常の曜日別予測と並べます。予定にない臨時稼働や未経験の設備構成があれば、予測を確定値として出さず「要確認」にします。

担当者は稼働予定を確認し、採用・修正・保留の理由を記録します。節電効果や料金削減は、この予測精度だけから算出しません。運用変更の内容や契約条件を別途確認する必要があります。

費用には予測モデルだけでなく、データ取得、時刻や単位の整理、確認画面、再評価を含めます。新しい計測機器の設置や設備側との接続が必要かも、開発前に切り分けてください。

AiPHAのPoC開発は20万円からで、対象範囲に応じた見積もりです。外部AIサービスなどの費用は事前に確認します。工場全体の制御や計測設備の導入まで同じ範囲に含まれるとは考えず、今回の成果物と対象外を明確にします。

運用では、データ更新、欠測の確認、設備変更の連絡、予測の見直しを誰が担うか決めます。新しい設備や季節条件で誤差が増えたら、保留して再評価できる状態を用意しましょう。

計測範囲が分からない、時刻がそろわない、予測を見ても対応できる担当者がいない場合は、AIより先に記録と確認手順を整えます。単純な曜日別予測で十分なら、複雑なモデルを追加しない判断もできます。

一つの系統、一つの判断場面で試し、何が確認できれば次へ進めるかを決めることがPoCの目的です。