介護の事業者が、ショートステイの予約・利用・キャンセルの記録から Python で翌月の日ごとの利用の数を予測し、空床の見込みと受入の調整の目安を作る
ショートステイの予約・利用・キャンセルの記録から、翌月の事業所ごと・日ごとに実際に在所する人数を Python で予測します。その数から空床の見込みと、居宅介護支援事業所へ案内できる空きの数、キャンセル待ちで受ける日の目安を作り、生活相談員に返します。
- 連携・自動化
- Python
- 対象業界
- 介護/医療
- 対象部門
- 経営企画
- 対象業務
- 集計・分析
- 主な課題
- データ分析に時間がかかる/判断に時間がかかる/属人化している
- AIで行う処理
- 予測
- 主な効果
- 判断支援/工数削減/機会損失防止
- 導入難易度
- ★★★★☆
- 実装レベル
- 本格構成
- 費用感
- 個別開発(大)
- 人間の確認
- 条件付き
01導入前 / 導入後の業務フロー
- 生活相談員が、介護ソフトの予約表から翌月の日ごとの予約の数を数える
- 過去の経験から、その月に出そうなキャンセルの数と、これから入りそうな予約の数を見込む
- 定員から差し引いて、日ごとの空きの数を空き状況の表に書く
- 空き状況の表を、居宅介護支援事業所へFAXとメールで送る
- 毎週、予約とキャンセルの動きを見て、表を直して送り直す
- 満床の日の依頼は、キャンセル待ちとして受け、空いたら順に連絡する
- 自動毎週月曜の朝5時、介護ソフトの予約・キャンセル・利用の実績の書き出しを読み込む
- 自動今日の時点で、翌日から翌月の末までの事業所ごと・日ごとの予約の数を数える
- 自動学習済みのモデルで、日ごとの在所の人数の少なめ・中ほど・多めの3つの点を予測する
- 自動3つの点と定員から、空床の見込み、案内できる空きの数、キャンセル待ちで受ける日の印を作る
- 自動事業所ごとの空き状況の表の案の欄に書き込み、法人本部の一覧を作る
- 人生活相談員が案を見て、記録に無い事情(受け入れの準備中の利用者、設備の工事)で直し、案内できる空きの数を確定する
- 人確定した空き状況を、居宅介護支援事業所へ送る
- 人空床の見込みが大きい日について、キャンセル待ちの人と延長を希望していた人へ、相談員が先に声をかける
各工程の詳しい説明を読む
- 生活相談員が、介護ソフトの予約表から翌月の日ごとの予約の数を数える
- 過去の経験から、その月に出そうなキャンセルの数と、これから入りそうな予約の数を見込む
- 定員から差し引いて、日ごとの空きの数を空き状況の表に書く
- 空き状況の表を、居宅介護支援事業所へFAXとメールで送る
- 毎週、予約とキャンセルの動きを見て、表を直して送り直す
- 満床の日の依頼は、キャンセル待ちとして受け、空いたら順に連絡する
(a)見込みが相談員ごとに違う。 ある事業所の相談員は「年末は2割取り消される」と見込み、別の事業所の相談員は取消しを見込まずに予約の数だけで空きを書きます。法人の中で、空き状況の表の意味がそろっていません。
(b)空き状況が実際より少なく書かれる。 取消しを見込まない書き方では、直前に空く床が表に出ないまま当日を迎えます。 法人本部が月の稼働を見ると、満床と書かれていた週に空床が並んでいることがあります。
(c)直前の空きに気づくのが遅い。 取消しの連絡を受けた相談員は、キャンセル待ちの人に電話をかけますが、どの日に空きが出やすいかを先に知らないので、待っている人への声かけが後手に回ります。
(d)見込みで受けすぎそうになる。 「どうせ取り消される」と予約を多めに受けると、取消しが出なかった日に定員を超えることになります。そのため、多めに受けた分を直前に断る電話をかける、という手間が生まれます。 断られた家族とケアマネジャーにとっても重い連絡です。
- 【自動】 毎週月曜の朝5時、介護ソフトの予約・キャンセル・利用の実績の書き出しを読み込む
- 【自動】 今日の時点で、翌日から翌月の末までの事業所ごと・日ごとの予約の数を数える
- 【自動】 学習済みのモデルで、日ごとの在所の人数の少なめ・中ほど・多めの3つの点を予測する
- 【自動】 3つの点と定員から、空床の見込み、案内できる空きの数、キャンセル待ちで受ける日の印を作る
- 【自動】 事業所ごとの空き状況の表の案の欄に書き込み、法人本部の一覧を作る
- 【人】 生活相談員が案を見て、記録に無い事情(受け入れの準備中の利用者、設備の工事)で直し、案内できる空きの数を確定する
- 【人】 確定した空き状況を、居宅介護支援事業所へ送る
- 【人】 空床の見込みが大きい日について、キャンセル待ちの人と延長を希望していた人へ、相談員が先に声をかける
6番目が、この設計の分かれ目です。 案は数を出すだけで、どの依頼を受けるか、誰に声をかけるかは相談員が決めます。 予測の数で受入を自動に決める作りにはしません。
4番目で「案内できる空き」を多めの点から出すのも、意図してのことです。 多めの点(10日のうち9日はこれを下回る水準)で埋まると見ても残る床だけを案内すれば、案内した空きが取消しの出なかった日に足りなくなることは、ほとんどありません。
02今回想定するシステム構成
介護ソフトの書き出し(予約:利用者の番号・事業所・開始日・終了日・予約を受けた日・キャンセルした日) 介護ソフトの書き出し(利用の実績:事業所・日・在所の人数) 事業所の表(定員、休止の日、設備の工事)/祝日(内閣府の CSV) ▼【トリガー】毎週月曜 5:00(月初は翌月分を含めて作る) Python(pandas・scikit-learn) ├──▶ 過去の各時点の予約の数を組み立て直す(学習の行を作る) ├──▶ 少なめ・中ほど・多めの3つの点(HistGradientBoostingRegressor、分位点の損失) ├──▶ 定員で止め、3つの点の順を整える ├──▶ 空床の見込み、案内できる空き、キャンセル待ちの日の印 ▼ 空き状況の表(案の欄)/法人本部の一覧 ▼【人】生活相談員が直して確定し、案内を送る
| 役割 | 想定する製品 | 代替候補 |
|---|---|---|
| 実行環境 | Python(pandas・scikit-learn) | R |
| 処理エンジン | scikit-learn の HistGradientBoostingRegressor(分位点の損失) | LightGBM(objective="quantile")、statsmodels の QuantReg |
| 集計 | Python(予約の数の組み立て直し、空床と案内の数への換算、当たり方の記録) | 介護ソフトの帳票 |
| 保管 | 法人本部の限られた共有フォルダ(書き出し、予測、直した記録、当たり方) | - |
| 定時実行 | Windows のタスク スケジューラ | cron |
新しく足すのは、Python の処理と空き状況の表の案の欄です。 介護ソフトはこれまでどおり予約と実績の記録に使い、この構成は介護ソフトに書き込みません。
分位点の損失を選ぶのは、3つの点をそれぞれ直接学ばせたいからです。 公式の説明では、HistGradientBoostingRegressor の loss に 'quantile' を選ぶとピンボール損失を使い、どの分位点を推定するかを quantile で0から1の間で指定するとされています。少なめを1割の点、中ほどを5割の点、多めを9割の点として、3つのモデルを作ります。
在所の人数は、定員で頭打ちになる数です。 満床の日は、本当はもっと依頼があっても20人で止まります。分位点の回帰は、頭打ちの日を多く含む事業所ほど、多めの点が定員に張り付きます。 それ自体は正しい見込みで、「満床見込み」の印として使います。
定員の考え方は、指定居宅サービスの基準に従います。 基準の第138条は、短期入所生活介護の事業者は、利用定員と居室の定員を超えることとなる利用者の数以上の利用者に対して同時にサービスを行ってはならないとし、災害、虐待その他のやむを得ない事情がある場合はこの限りでないとしています。ケアマネジャーが緊急に必要と認めた人について、他の利用者の処遇に支障がない場合に静養室で受けられる定めもありますが、この構成はその判断に関わりません。
03どうやって実装するのか
処理の起点を決める
毎週月曜の朝5時の定時の実行を起点にします。 生活相談員が朝の申し送りの後に案を見て、昼までに空き状況を確定し、午後に居宅介護支援事業所へ送れる時刻にします。
月初の月曜は、翌月の末までを予測の範囲に含めます。 ふだんの月曜は、翌日から翌月の末までの全部の日を予測し直します。近い日ほど予約の数が最終の数に近づくので、毎週の見直しで案が締まっていきます。
モデルの学習は、月に1回、月初の日曜の夜に動かします。 学習の行を作る組み立て直しに時間がかかるため、毎週の実行は学習済みのモデルで予測するだけにします。
処理が失敗したときは、案の欄に「案なし」と書いて法人本部の担当に知らせ、その週は相談員が手で決めます。
入力データを集める
| データ | 中身 | 取得元 |
|---|---|---|
| 予約 | 予約の番号、利用者の番号、事業所、開始日、終了日、予約を受けた日、キャンセルした日、キャンセルの理由の区分、延長・短縮の記録 | 介護ソフトの書き出し |
| 利用の実績 | 事業所、日、実際に在所した人数 | 介護ソフトの書き出し |
| 断った依頼 | 事業所、希望の日、満床で受けられなかった依頼の数 | 相談員の受付の記録 |
| 事業所の表 | 定員、休止の日、設備の工事、受入を止めた期間 | 事業所の表 |
| 祝日 | 祝日の日付 | 内閣府の祝日の CSV |
質を決めるのは、予約を受けた日とキャンセルした日です。 この2つの日が残っていれば、過去のどの日についても「その時点で何人の予約が入っていたか」を組み立て直せます。 介護ソフトがキャンセルした予約を消してしまう設定だと、組み立て直しができません。
延長と短縮も、変更の記録として残っている必要があります。 予約の終了日が上書きされるだけだと、3日の予約が7日に延びた人が、最初から7日の予約だったように見えます。 学習のときに、まだ入っていなかった延長を予約の数に数えることになります。
利用者の番号は、組み立て直しの中で同じ人の予約の重なりを見るためだけに使います。 氏名、住所、介護度、病名は書き出しません。
データの取得方法を決める
| 取るもの | どこから | 何に使うか |
|---|---|---|
| ある時点の予約の数 | 予約を受けた日がその時点以前で、キャンセルがその時点より後か無い予約を、日ごとに数える | 説明の値(いちばん効く値) |
| 最終の在所の人数 | 利用の実績の書き出し | 学習の目的の値 |
| 直近8週の積み上がりの比 | 過去の日について「14日前の予約の数」に対する「最終の人数」の比の平均 | 説明の値 |
| 祝日・連休 | 内閣府の CSV、事業所の表 | 説明の値 |
「その日の夜に在所する人」で数えます。 開始日から終了日の前日まで、その床が埋まっていると数えます。介護報酬の請求の日数の数え方とは分け、床の埋まり方だけを見るための数え方として決めておきます。 数え方が実績の書き出しと揃っていないと、学習の目的の値と説明の値がずれます。
学習の行は、過去の日と「何日前の時点か」の組み合わせで作ります。 過去2年の各日について、1日前・3日前・7日前・14日前・21日前・30日前・45日前の時点の予約の数を組み立て直し、それぞれ1行にします。6事業所 × 2年 × 7時点で、行は3万を超えます。
祝日は内閣府の CSV を使います。 公式のページでは、昭和30年から令和9年までの国民の祝日を CSV で載せており、令和10年の祝日は令和9年2月に載せるとされています。年末年始とお盆は祝日ではないので、事業所の表に期間を書きます。
AIへ渡す前に整形する
- 時点をそろえる … 説明の値は、すべて「その時点で分かっていたこと」だけで作ります。直近8週の比も、その時点より前に最終の人数が確定した日だけで計算します
- 受入を止めた期間を外す … 感染症の対応や工事で受入を止めた期間は、学習から外します
- 満床の印 … 最終の人数が定員に達した日に印を付け、断った依頼の数を別の列で持ちます
- カテゴリの列 … 事業所を pandas の
categoryの型にします。曜日と月は数の列のままにします - 何日前の時点か … 日数をそのまま数の列にします
- 予測の行を作る … 今日の時点の予約の数、何日前か、曜日、月、祝日・連休、事業所、直近8週の比を、翌月の末までの日ごとに並べます
1番目が崩れると、試験では当たるのに本番で外れます。 学習の行を作るとき、キャンセルした日を見ずに「最終的に残った予約」を数えてしまうと、その時点ではまだ取り消されていなかった予約が抜けた数を、予約の数として学びます。 本番の予約の数は取消し前の数なので、少なめに読みすぎた案になります。
4番目の型は、付け忘れると事業所が数の列になります。 公式の説明では、categorical_features の既定は 'from_dtype' で、データフレームの Categorical の型の列だけがカテゴリとして扱われるとされています。事業所の番号を 1〜6 の整数で持っていると、「6番の事業所は1番より大きい」という順序があるものとして学びます。
AIに処理させる
させるのは、事業所ごと・日ごとの最終の在所の人数の、1割・5割・9割の点の予測だけです。 空床と案内の数への換算、印付けは Python の計算で行います。
| 段階 | 中身 | 使うもの |
|---|---|---|
| 3つの点の予測 | 少なめ(1割の点)・中ほど(5割の点)・多め(9割の点) | HistGradientBoostingRegressor(loss="quantile"、quantile に 0.1・0.5・0.9) |
| 点の整え | 定員で止め、3つの点が少なめ ≤ 中ほど ≤ 多め になるよう並べ直す | Python |
| 空床の見込み | 定員 - 中ほど | Python |
| 案内できる空き | 定員 - 多め(多めに埋まっても残る床) | Python |
| 印付け | 満床見込み、空床多め、予約の動きが例年と違う日 | Python |
| 当たり方の確認 | 1割・5割・9割の点のピンボール損失と、実際が9割の点を超えた割合 | mean_pinball_loss |
3つの点を別々のモデルで出すので、順が入れ替わることがあります。 予約の少ない日に、9割の点が5割の点を下回ることがあります。並べ直してから使わないと、案内できる空きが空床の見込みより多いという矛盾した表になります。
案内できる空きと、声をかける目安を分けるのが、この構成の使い方です。
| 印 | 条件 | 相談員が考えること |
|---|---|---|
| 満床見込み | 多めの点が定員に達する | 新しい依頼はキャンセル待ちで受ける |
| 案内できる空き | 定員 - 多め が1以上 | 居宅介護支援事業所へ空きとして案内する |
| 空床多め | 定員 - 中ほど が3以上 | キャンセル待ち・延長の希望者へ先に声をかける |
| 動きが例年と違う | 今の予約の数が、同じ時点の過去の範囲を外れる | 何が起きているかを相談員が確かめる |
| させないこと | 理由 |
|---|---|
| 定員を超える予約を受ける数を決める | 定員を超えた同時の提供は、やむを得ない事情を除き認められない |
| 利用者ごとのキャンセルのしやすさを出す | その一覧が受入の順番に持ち込まれる。数は事業所ごとに限る |
| 受入の可否を決める | 心身の状況と家族の事情を見て相談員が決める |
| 緊急の受入を判断する | ケアマネジャーと管理者が状況を見て決める |
| 職員の配置を決める | 配置は基準と勤務の決まりで決める |
2行目は、とくに気を付けてください。 利用者1人ずつの取消しのしやすさを出せば、予測の当たり方は上がるかもしれません。しかし、その一覧があれば、取り消しそうな人の予約を後回しにする、という使い方が自然に起きます。 この構成は、事業所ごとの数だけを扱います。
指示内容を固定する
生成AIを使わないので、プロンプトはありません。 かわりに、組み立て直し・学習・点の整えの中身を示します。
import numpy as np
import pandas as pd
from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.metrics import mean_pinball_loss
def booked_as_of(resv, asof, day):
live = resv[(resv.booked_on <= asof) &
(resv.cancelled_on.isna() | (resv.cancelled_on > asof)) &
(resv.start <= day) & (resv.end > day)] # その日の夜に在所する予約
return live.groupby("site", observed=False).size()
FEATS = ["site", "lead_days", "booked_now", "weekday", "month",
"holiday", "long_break", "pickup_8w", "capacity"]
QS = {"p10": 0.1, "p50": 0.5, "p90": 0.9}
models = {}
for k, q in QS.items():
models[k] = HistGradientBoostingRegressor(
loss="quantile", quantile=q, max_iter=300, learning_rate=0.05,
early_stopping=False, # 3万行を超えると 'auto' では日付と無関係に検証の行を抜く
random_state=0).fit(train[FEATS], train["final_census"])
def points(rows):
P = np.column_stack([models[k].predict(rows[FEATS]) for k in QS])
P = np.sort(P, axis=1) # 少なめ ≤ 中ほど ≤ 多め
P = np.minimum(np.round(P), rows["capacity"].to_numpy()[:, None]) # 定員で止める
return pd.DataFrame(P, columns=list(QS), index=rows.index)
def check(test):
return {k: mean_pinball_loss(test["final_census"], models[k].predict(test[FEATS]), alpha=q)
for k, q in QS.items()} # alpha を点ごとに渡す
booked_as_of が、前処理の1番目の時点そろえです。 キャンセルした日がその時点より後なら、その時点ではまだ予約として数えます。cancelled_on を見ずに、今残っている予約だけを数えると、過去のどの時点でも予約の数が少なく出ます。
early_stopping=False を明示するのは、行の数のためです。 公式の説明では、early_stopping の既定は 'auto' で、行の数が1万を超えると有効になるとされています。有効になると学習の行の一部を検証に回しますが、その抜き方は日付と関係ありません。来月を予測する仕組みなのに、未来の日の行で止めどころを決めることになります。
mean_pinball_loss には、点ごとに alpha を渡します。 公式の説明では、alpha の既定は 0.5 で、0.5 のときは平均絶対誤差と同じとされています。9割の点のモデルを既定のまま測ると、中ほどの物差しで9割の点を評価することになり、成績が悪く見えます。 あわせて、実際の人数が9割の点を超えた日の割合を数え、1割前後かを見ます。
学習と試験は、時点の日付で分けます。 過去2年のうち、直近の3か月を試験に取り、それより前の時点の行だけで学びます。 行を無作為に分けると、同じ日の別の時点の行が学習と試験の両方に入り、当たり方が良く見えます。
出力形式を固定する
生活相談員に渡すのは、空き状況の表の横の案の欄です。 月曜の朝に並び、昼までに確定することを前提にします。
【12月の空き状況の案・A事業所(定員20名)(11月30日 5:12 作成)】
| 日 | 今の予約 | 少なめ | 中ほど | 多め | 空床の見込み | 案内できる空き | 印 |
|---|---|---|---|---|---|---|---|
| 12月5日(土) | 17 | 16 | 18 | 20 | 2 | 0 | 満床見込み |
| 12月9日(水) | 11 | 12 | 15 | 17 | 5 | 3 | 空床多め |
| 12月16日(水) | 9 | 11 | 14 | 17 | 6 | 3 | 空床多め |
| 12月29日(火) | 20 | 17 | 19 | 20 | 1 | 0 | 満床見込み |
表の下には、印の意味と、モデルの当たり方を並べます。 「直近3か月の試験で、実際が多めの点を超えた日は○%」と書き、案内できる空きがどのくらい信用できるかを表の中で読めるようにします。
12月29日のように、今の予約が定員に達していても、少なめは定員を下回ります。 年末は直前の取消しが出やすいことを学んでいるためです。それでも、この日の新しい依頼はキャンセル待ちで受けます。 取消しが出てから、待っている人の順に連絡します。
機械で読む用には、同じ内容を CSV でも残します。 列は、事業所、日、何日前の時点か、今の予約の数、3つの点、空床の見込み、案内できる空き、印、モデルの版、相談員が確定した案内の数と直した理由の区分です。
システムへ連携する
| つなぎ先 | 方式 | 内容 |
|---|---|---|
| 介護ソフト | 毎週の書き出しのファイルを読む | 予約・キャンセル・延長と、利用の実績 |
| 相談員の受付の記録 | スプレッドシートを読む | 満床で受けられなかった依頼の数 |
| 事業所の表 | スプレッドシートを読む | 定員、休止の日、受入を止めた期間 |
| 空き状況の表 | 案の欄にだけ書く | 3つの点、空床の見込み、案内できる空き、印 |
| 法人本部の一覧 | ファイルを置く | 6事業所の空床の見込みの一覧 |
書き込むのは、案の欄だけです。 相談員が書く確定の欄と、居宅介護支援事業所へ送る案内には書きません。案内は相談員が確定の欄から作って送ります。
介護ソフトの予約の画面とはつなぎません。 予測の数で予約の受付を自動で止めたり開けたりする作りにすると、利用者と家族への説明のないまま受入が変わります。
人が確認する
- 印の付いた日を先に見る … 満床見込み、空床多め、動きが例年と違う日を確かめます
- 記録に無い事情で直す … 受入の準備中の利用者、相談中の新規の依頼、設備の工事などで直し、直した理由の区分を選びます
- 案内できる空きを確定する … 確定した数だけを居宅介護支援事業所へ案内します
- 空床多めの日に声をかける … キャンセル待ちの人、延長を希望していた人へ、相談員の判断で先に連絡します
- 法人本部が月1回、当たり方を見る … 実際が多めの点を超えた割合と、相談員が直した件数を事業所ごとに見ます
5番目の直した件数が、この構成の改善の入口です。 同じ事業所が同じ理由で毎週直しているなら、その理由を説明の値に足せないかを考えます。目標は、1事業所の1回の確定を16分で終えることです。
例外に対処する
| 起きること | 対応 |
|---|---|
| 介護ソフトの書き出しが届いていない | 前の週の分で予測し、「予約未取込」の印 |
| キャンセルした日が空の取消しがある | 取消しの記録の不備として一覧に出し、その予約は学習から外す |
| 感染症の対応で受入を止めている | 事業所の表の期間の日は予測を出さず、「受入停止」と書く |
| 定員が変わった | 事業所の表の定員で止め、変わる前の期間の比は使わない |
| 3つの点の順が入れ替わる | 並べ直してから使う |
| 予約の動きが例年と大きく違う | 「動きが例年と違う」の印。相談員が理由を確かめる |
| 学習が失敗した | 前の月のモデルを使い続け、本部に知らせる |
上から2行目までが、最初の数か月の大半を占めます。 どちらもモデルの問題ではなく、書き出しの時刻と、取消しの記録の付け方の問題です。 取消しを入力するときにキャンセルした日を必ず入れる決まりにすると、ほとんど起きなくなります。
記録を残す
- 予測に使った書き出しの日時と、今の予約の数
- 3つの点、空床の見込み、案内できる空き、印、モデルの版
- 相談員が確定した案内の数と、直した理由の区分
- 実際の在所の人数、満床で受けられなかった依頼の数、直前の取消しで空いたまま当日を迎えた床の数
- 月ごとのピンボール損失と、実際が多めの点を超えた割合
3つ目と4つ目を並べると、案と相談員の判断のどちらが当たっていたかが分かります。 空いたまま当日を迎えた床が多い事業所は、案内の数が少なすぎたか、声をかけるのが遅かったかのどちらかです。
04実装レベルの3段階
本記事の想定は本格構成です。 1件60分が16分になります。半自動化の段階で、①の予約の数え上げはほとんど要らなくなります。 何日前かと季節を入れた3つの点は、本格構成からです。 段階を飛ばさないでください。 取消しの日の入力が揃う前に本格構成を作ると、時点のずれた予約の数を学ぶ仕組みになります。 半自動化の期間は、相談員が取消しの入力の決まりに慣れる期間でもあります。
05工数削減シミュレーション
導入後 30件 × 16分 ÷ 60 = 8 時間/月
自社条件で導入効果を整理したい方へ
このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。
06向いている企業・向いていない企業
- ショートステイの事業所を複数運営し、予約が1〜2か月前から入る一方で、入院や体調の変化による直前のキャンセルが毎月まとまって出る法人。介護ソフトに予約を受けた日とキャンセルした日が残っていて、過去2年分を書き出せる場合。生活相談員が予約表を見ながら経験でキャンセルを見込み、空き状況の案内を居宅介護支援事業所へ毎週送っている場合。短期入所療養介護を行う介護老人保健施設にも使える。
- 事業所が1か所で定員も少なく、予約表を見れば空きがすぐ分かる場合。予約がほぼ定期の利用者で埋まり、キャンセルも新しい予約もほとんど無い場合。介護ソフトがキャンセルした予約を消してしまい、予約を受けた日とキャンセルした日が残っていない場合。取消しを見込んで定員を超える予約を受けるために使う場合(この構成はその使い方をしない)。なお、受入の可否、緊急の受入の判断、利用者ごとのケアの計画、職員の配置の決定は、この構成では代替できません。
07最小構成で試す方法
- 1事業所に絞り、過去1年の予約を、予約を受けた日とキャンセルした日の付いた形で書き出す
- 表計算で、過去の各日について「14日前の時点の予約の数」と「実際に在所した人数」を並べる
- 曜日ごとに、実際 ÷ 14日前の予約の数 の比を並べ、中ほどと上から1割の値を出す
- 4週間、相談員の空きの見込みと、比で直した素朴な案と、実際の人数を並べて記録する
- どちらが空いたまま当日を迎えた床が少なかったかを見る
2番目が作れるかどうかが、最初の関門です。 予約を受けた日とキャンセルした日が書き出せないと、過去の時点の予約の数が組み立て直せません。
| 出てきた内容 | 判断 |
|---|---|
| 素朴な比の案でも相談員の見込みと同じくらい当たった | 分位点の回帰のモデルに進む |
| キャンセルした日が書き出せない | 介護ソフトの設定と取消しの入力の決まりが先。 予測の問題ではない |
| 延長が終了日の上書きでしか残らない | 変更の記録を残す運用が先 |
2行目が出ることは珍しくありません。 失敗ではなく、直前の空きが見えなかった理由が1つ分かったということです。 取消しの入力の決まりを直してから3か月記録をためて、同じ比べ方をやり直します。
08実装時につまずきやすいポイント
| 問題 | 対策 |
|---|---|
| 過去の予約の数が少なく出る | キャンセルした日がその時点より後の予約を、その時点では予約として数える |
| 延長が最初からあったように見える | 終了日の上書きでなく、変更の記録を残す |
| 試験の成績が良すぎる | 行を無作為に分けず、時点の日付で学習と試験を分ける |
| 検証の行が未来の日から抜かれる | 行が1万を超えると early_stopping='auto' が有効になる。False を明示する |
| 事業所に順序が付く | 既定の 'from_dtype' は Categorical の型の列だけをカテゴリにする。型を付ける |
| 9割の点の成績が悪く見える | mean_pinball_loss の alpha の既定は 0.5。点ごとに渡す |
| 案内できる空きが空床の見込みより多い | 3つの点を並べ直してから使う |
| 予測が定員を超える | 定員で止める。超えて受ける使い方をしない |
| 利用者ごとの取消しやすさを出したくなる | 事業所ごとの数に限る |
| 受入停止の期間を学ぶ | 事業所の表の期間を学習から外す |
上の3行が、この構成の失敗のほとんどです。 どれも ERR も警告も出ないまま、試験では良い成績が出て、本番の案だけが外れます。 当たり方の記録を見るまで気づけません。
下から2行目も早く効いてきます。 1人ずつの見込みは作れてしまうので、作れば使われます。作る段階で、扱う数の単位を決めておきます。
09セキュリティ・AIガバナンス上の注意点
この構成で扱うデータ: 利用者の番号、予約の開始日・終了日・予約を受けた日・キャンセルした日、キャンセルの理由の区分、事業所ごとの在所の人数です。氏名、住所、介護度、病名は使いません。 ただし、予約とキャンセルの記録は、利用者の生活と体調の変化を表す情報です。
- 書き出す列を限る … 利用者の番号は組み立て直しのためだけに使い、氏名・住所・介護度・病名は書き出しません。キャンセルの理由も「入院」「体調」「家族の都合」などの区分だけにします
- 置き場所と見られる人を限る … 書き出しと予測は、法人本部と各事業所の相談員だけが見られる場所に置きます
- 事業所ごとの数だけを出す … 利用者1人ずつの取消しのしやすさを出しません。その一覧が受入の順番に持ち込まれるおそれがあるからです
- 受入を決めるのは人 … 受入の可否、緊急の受入、利用者ごとの日程の調整は、相談員・ケアマネジャー・管理者が決めます
- 定員を超える使い方をしない … 取消しを見込んで定員を超える予約を受ける数を、この構成から出しません
- 相談員の評価に案との差を使わない … 直した記録は、モデルと情報の足りないところを見つけるための材料です。直したこと自体を減点にすると、記録に無い事情が数に入らなくなります
誤りが起きた場合のリスクは、空きを多く案内して受けられない依頼を生むことと、少なく案内して床を空けたまま当日を迎えることの2つです。 前者は多めの点を使わずに案内すると起き、後者は取消しの記録の不備で起きます。どちらも、案内の数の出し方と記録の付け方で守ります。
10まず何から始めるか
1週目:書き出しの形を確かめる
介護ソフトの予約の書き出しに、予約を受けた日、キャンセルした日、延長・短縮の記録が含まれるかを確かめます。6事業所で、取消しを入力するときにキャンセルした日を必ず入れる決まりをそろえます。
2週目:表を作る
事業所の表に、定員、休止の日、受入を止めた期間、年末年始とお盆の期間を書きます。満床で受けられなかった依頼の数を付ける欄を、相談員の受付の記録に足します。
3〜6週目:素朴な案で試す
1事業所で、14日前の予約の数と実際の人数の比から素朴な案を出し、相談員の見込みと並べて4週間記録します。
2か月目: Python で6事業所の書き出しを毎週読み、半自動化の案を出します。案の数で受入を自動に変えない決まりを運用の文書に書きます。3か月目以降: 分位点の回帰で3つの点を出し、案内できる空きと印、月ごとの当たり方の記録を始めます。実際が多めの点を超えた日の割合が1割前後で落ち着き、空いたまま当日を迎えた床が月ごとに減っていった時点で、この構成は完成です。
11関連ユースケース
12この仕組みを理解するための記事
13技術仕様の確認日・参考情報
| 確認した内容 | 情報源 | 確認日 |
|---|---|---|
loss='quantile' がピンボール損失を使い、quantile で推定する分位点を0から1の間で指定すること。categorical_features の既定が 'from_dtype'(1.6 で None から変更)で Categorical の型の列だけを扱うこと。early_stopping='auto' が行の数1万超か検証のデータを渡したときに有効になること。scikit-learn 1.9.1 | scikit-learn: HistGradientBoostingRegressor | 2026-11-17 |
mean_pinball_loss の alpha の既定が 0.5 で、0.5 のとき平均絶対誤差と同じになること | scikit-learn: mean_pinball_loss | 2026-11-17 |
| 第138条(定員の遵守)で、短期入所生活介護の事業者は利用定員と居室の定員を超えることとなる利用者数以上に同時にサービスを行ってはならず、災害・虐待その他のやむを得ない事情がある場合はこの限りでないこと。同条第2項で、介護支援専門員が緊急に必要と認めた者に、他の利用者の処遇に支障がない場合は静養室で受けられること(2025-04-01 施行の版) | e-Gov 法令API: 指定居宅サービス等の事業の人員、設備及び運営に関する基準 | 2026-11-17 |
| 昭和30年から令和9年までの国民の祝日を CSV で載せていること。令和10年の祝日は令和9年2月に載ること | 内閣府: 国民の祝日について | 2026-11-17 |
受入の可否、緊急の受入、職員の配置は、事業所の管理者と相談員が基準と自社の決まりに従って決めてください。 定員の扱いと記録の保存は、所管の自治体の指導にも従ってください。本記事は公開資料で確認できた範囲だけを扱っています。
実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。
自社の業務に使えるAI活用候補を整理します
このユースケース(UC-3486)についてのご相談はこちらから。
