Media > AI活用ユースケース > 営業 > 汚泥の処理の施設が、排出元ごとの過去の受入の量・曜日・月の記録から Python で翌月の受入の量を予測し、処理の能力と照らして受入の調整の案を作る

汚泥の処理の施設が、排出元ごとの過去の受入の量・曜日・月の記録から Python で翌月の受入の量を予測し、処理の能力と照らして受入の調整の案を作る

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

排出元ごとの過去の受入の量を日ごとに並べ、Python の時系列のモデルで翌月の受入の量を予測します。処理の能力と保管の上限に照らし、受入が重なりそうな日と、排出元に搬入の日をずらしてもらう案を、毎月20日に作ります。

サマリー
連携・自動化
Python
対象業界
その他/建設/自治体/製造
対象部門
営業/生産
対象業務
比較検討/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
現在工数
40h/月
AI導入後
12h/月
想定削減
70%
年間削減
336h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 計量の記録から、排出元ごとの前年の同じ月と直近3か月の受入の量を書き出す
  2. 大きな排出元に電話かメールで翌月の予定を聞く
  3. 小さな排出元は、前年の同じ月の量に、担当の感覚で増減を掛けて見込む
  4. 排出元ごとの見込みを、曜日のくせを思い出しながら日ごとに割り振る
  5. 日ごとの合計を処理の能力と比べ、多すぎる日を探す
  6. 多すぎる日に来る排出元に、搬入の日をずらせないか連絡する
導入後(After)
  1. 自動毎月20日の朝、Python が計量の記録と受入の予定の表を読む
  2. 自動排出元ごとに日ごとの受入の量の列を作り、休みの日・祝日・排出元の長期の休みの印を付ける
  3. 自動量の大きい排出元は排出元ごとに、小さい排出元はまとめて1つの列にして、時系列のモデルで翌月の日ごとの量と幅を予測する
  4. 自動施設全体の受入の量を別のモデルで予測し、日ごとの上の端を出す
  5. 自動処理の能力と施設の稼働の予定から、全体の上の端で保管の量の動きを日ごとにたどる
  6. 自動保管の量が決めた水準を超える日について、その日に来る見込みの大きい排出元と、ずらす先の候補の日を並べた調整の案を作る
  7. 人受入の担当が、案と排出元から聞いた予定を見比べ、連絡する排出元を決める
  8. 人施設の責任者が、稼働の予定(整備の日・休日の運転)と案を見て、受入の予定を決める
  9. 自動翌月の実際の受入の量と予測を並べ、当たり方を記録する
各工程の詳しい説明を読む
  1. 計量の記録から、排出元ごとの前年の同じ月と直近3か月の受入の量を書き出す
  2. 大きな排出元に電話かメールで翌月の予定を聞く
  3. 小さな排出元は、前年の同じ月の量に、担当の感覚で増減を掛けて見込む
  4. 排出元ごとの見込みを、曜日のくせを思い出しながら日ごとに割り振る
  5. 日ごとの合計を処理の能力と比べ、多すぎる日を探す
  6. 多すぎる日に来る排出元に、搬入の日をずらせないか連絡する

(a)見込みが担当の経験に頼っている。 「この会社は月末に多い」「この工場は8月の盆に止まる」といったくせは、担当の頭の中にしかありません。 担当が休むと、翌月の予定を組める人がいなくなります。

(b)日ごとの割り振りが粗い。 月の量を日に割るとき、曜日のくせを全部の排出元について思い出すのは無理です。結果として、日ごとの合計はならされた値になり、重なる日が見えません。

(c)保管の量の動きを見ていない。 処理の能力と比べるのは日ごとの受入の量だけで、前の日から残った量が積み上がることまでは見ていません。 能力を少し超える日が3日続くと、保管の量は大きく増えます。

(d)排出元への連絡が直前になる。 重なりに気づくのは、実際に保管の場所がいっぱいに近づいてからのことが多く、排出元にとっても、翌日の搬入を急に変えるのは大きな負担です。

(e)見込みの外れを振り返る材料が無い。 翌月の予定を組んだ表は、月が替わると上書きされます。どの排出元の見込みがどれだけ外れたかを、あとから比べられません。 毎年同じ排出元の同じ時期で外れていても、担当の記憶に残っていなければ、翌年も同じ見込みを立てます。

  1. 【自動】 毎月20日の朝、Python が計量の記録と受入の予定の表を読む
  2. 【自動】 排出元ごとに日ごとの受入の量の列を作り、休みの日・祝日・排出元の長期の休みの印を付ける
  3. 【自動】 量の大きい排出元は排出元ごとに、小さい排出元はまとめて1つの列にして、時系列のモデルで翌月の日ごとの量と幅を予測する
  4. 【自動】 施設全体の受入の量を別のモデルで予測し、日ごとの上の端を出す
  5. 【自動】 処理の能力と施設の稼働の予定から、全体の上の端で保管の量の動きを日ごとにたどる
  6. 【自動】 保管の量が決めた水準を超える日について、その日に来る見込みの大きい排出元と、ずらす先の候補の日を並べた調整の案を作る
  7. 【人】 受入の担当が、案と排出元から聞いた予定を見比べ、連絡する排出元を決める
  8. 【人】 施設の責任者が、稼働の予定(整備の日・休日の運転)と案を見て、受入の予定を決める
  9. 【自動】 翌月の実際の受入の量と予測を並べ、当たり方を記録する

7番と8番を人に残しているのが、この設計の要です。 排出元が電話で「来月は工場の改修で多くなる」と言えば、それは過去の記録には無い情報です。予測は過去のくせを、排出元からの話は来月の事情を表します。 両方を見て決めるのは担当です。

5番を予測のあとに置いているのも、意図してのことです。 受入の量の予測だけでは、能力を超える日が1日あるのか3日続くのかの違いが見えません。保管の量をたどって初めて、どの日の調整がいちばん効くかが分かります。

02今回想定するシステム構成

構成図
トラックスケールの計量の記録(日時・排出元・重さ)
受入の予定の表・施設の稼働の予定
   │  毎月20日に書き出す
   ▼【トリガー】月次の定時実行(+週次の見直し)
Python(pandas)── 排出元ごとの日ごとの列、休みの印
   ▼
statsmodels SARIMAX
   │   排出元ごと・施設全体の翌月の日ごとの量と幅
   ▼
Python ── 保管の量のたどり、上限に近づく日、調整の案
   ▼
受入の調整の案(日ごとの表と、連絡する排出元の候補)
   ▼
【受入の担当と施設の責任者が決める】
   ▼
実際の受入の量と予測の記録 → 当たり方の表
役割想定する製品代替候補
実行環境Python(pandas・statsmodels)R
処理エンジンstatsmodels の SARIMAXstatsmodels の ExponentialSmoothing、scikit-learn の HistGradientBoostingRegressor
集計Python(保管の量のたどり、調整の案、当たり方の記録)表計算の計算式
保管社内のファイルサーバー(学習の記録、調整の案、当たり方の表)-

新しく足すのは Python の処理だけです。 トラックスケールの計量の記録と受入の予定の表は、これまでどおりの書き出しを使います。調整の案は担当が見る資料として書き出し、受入の予定の表と帳簿には書き込みません。

モデルは statsmodels の SARIMAX です。 公式のページでは、季節の成分を seasonal_order に (P,D,Q,s) の形で渡し、s が周期とされ、既定は季節の効果なしです。汚泥の受入には曜日のくせが強いので、日ごとの列に対して s=7 を使います。 外から与える説明の列(exog)も渡せるので、祝日や排出元の長期の休みの印をここに入れます。enforce_stationarity と enforce_invertibility の既定はどちらも True です。

予測の幅は、学習の結果の get_forecast から取ります。 公式のページでは、get_forecast(steps=...) は標本の終わりから steps だけ先を予測し、予測と信頼区間を含む PredictionResults を返すとされています。PredictionResults には、conf_int(alpha を指定できる)と、平均・分散・区間をまとめた summary_frame があります。

03どうやって実装するのか

Step1

処理の起点を決める

毎月20日の朝に、定時で動かします。 翌月の予定を排出元と話すには、月末まで10日ほど要ります。20日に案があれば、重なる日の排出元に、余裕をもって相談できます。

段いつすること
1. 月の予測毎月20日 6:00翌月の日ごとの予測、保管の量のたどり、調整の案
2. 週の見直し毎週月曜 6:00直近の実績を足して、残りの日を予測し直す
3. 当たり方毎月1日前の月の予測と実際の受入を並べる
4. 学び直し3か月に1回次数の選び直しと、検証の結果を残す

週の見直しを足すのは、月の途中で事情が変わるからです。 排出元の工場の設備の止まり、長雨による建設の現場の泥水の増え方。月の初めの予測のまま走ると、月の後半の重なりを見落とします。 週の見直しで上限を超える日が新しく出たら、担当に知らせます。

Step2

入力データを集める

データ中身取得元
計量の記録受入の日時、排出元、車両、重さトラックスケールの書き出し
排出元の情報排出元の番号、汚泥の種類、契約の量の目安、量の大きさの区分受入の予定の表
暦祝日、施設の休みの日、排出元ごとの長期の休み担当が作る暦の表
施設の稼働の予定日ごとの稼働の有無、整備の日、処理の能力施設の運転の予定
保管の量月の初めの保管の量施設の運転の日報
排出元から聞いた予定翌月の増減の見込み(聞けた排出元だけ)担当の聞き取りのメモ

質を決めるのは、計量の記録と排出元の番号の対応です。 同じ排出元でも、工場が2か所ある、運搬の会社が替わった、といった理由で番号が分かれていることがあります。番号が分かれたままだと、その排出元のくせが2つの短い列に割れ、どちらも予測できなくなります。 最初に、排出元の番号の付け直しの表を作ります。

排出元から聞いた予定は、モデルには入れません。 聞けた排出元と聞けなかった排出元が混ざり、聞き方も担当で違うからです。予測の横に並べて、担当が見比べる材料にします。

帳簿も、確かめの材料として使えます。 廃棄物処理法の施行規則は、処分業者の帳簿に、受入れの年月日、受入先ごとの受入量、処分方法ごとの処分量などを記載することを定め、これらは前月の分を毎月末までに記載するとされています。月の初めの時点では、前の月の帳簿がまだ書き終わっていないことがあるので、予測には日々の計量の記録を使い、帳簿は月末に計量の記録との差を確かめるのに使います。

Step3

データの取得方法を決める

取るものどこから使い道
計量の記録トラックスケールの書き出し(CSV)排出元ごとの日ごとの量
排出元の番号の付け直し担当が作る対応表番号の統一
暦と稼働の予定担当が作る表説明の列、処理の能力
月の初めの保管の量運転の日報保管の量のたどりの出発点

学習に使うのは、直近3年分を基本にします。 年に1回の盆・年末年始の形を、3回見られるからです。排出元が新しく加わった・取引をやめた年をまたぐときは、その排出元の列の始まりと終わりを記録しておきます。

Step4

AIへ渡す前に整形する

  1. 番号をそろえる … 対応表で排出元の番号を付け直します
  2. 日ごとに足す … 1日に何台も来る排出元は、日ごとの重さに足します。来なかった日は0にします
  3. 記録の抜けを確かめる … トラックスケールの故障などで記録の無い日は、帳簿や伝票で埋めてから使います
  4. 排出元を分ける … 直近1年の量の上位で、受入の量の8割を占める排出元は排出元ごとの列、残りはまとめて「その他」の1列にします
  5. 説明の列 … 祝日、施設の休み、排出元の長期の休みを0か1の列にします
  6. 全体の列 … 全排出元を足した日ごとの量の列を、別に作ります
  7. 来ない日の多い排出元 … 月に数回しか来ない排出元は、日ごとではなく週ごとに足して別に扱います

3番は、モデルに任せずに人が埋めます。 公式のページでは、missing の既定は 'none' で、「NaN の確かめをしない」とされています。記録の無い日を欠けた値のまま渡したときの扱いを、この構成では当てにしません。受入の記録は帳簿と伝票で確かめられるので、抜けは元の記録で埋めます。

汚泥の重さは、水分の多さで変わります。 同じ排出元でも、脱水機の調子や雨の日の建設の現場の泥水で、1台あたりの重さが動きます。この構成は処理の能力を重さで持っているので、受入の量も重さのまま予測します。 施設の処理の能力が水分で変わる場合は、汚泥の種類ごとの能力を担当と決め、種類ごとに列を分けて予測し、能力の側も種類ごとに持ちます。

4番で小さい排出元をまとめるのは、列が短すぎるからです。 月に1〜2回しか来ない排出元を日ごとに予測しても、ほとんどの日が0の列になり、モデルが形をつかめません。 まとめた「その他」の列は、日ごとの形がなめらかになり、予測できるようになります。

Step5

AIに処理させる

させるのは、排出元ごと(とまとめた列)と施設全体の、翌月の日ごとの受入の量と、その幅を予測することだけです。

させることさせないこと
排出元ごとの翌月の日ごとの量と幅受け入れるかどうかの判断(担当が決める)
施設全体の翌月の日ごとの量と幅排出元に何を頼むかの判断(担当が決める)
施設の稼働の予定の変更(責任者が決める)
許可の内容に関わる判断

調整の案は、予測から規則で作ります。

規則内容
保管の量のたどり前の日の保管の量 + その日の全体の上の端 - その日の処理の能力(稼働の日だけ)
注意の日たどった保管の量が、上限(処理の能力の14日分)の8割を超える日
頼む候補注意の日に来る見込みの量が大きい排出元から順に3社
ずらす先その排出元の前後7日のうち、たどった保管の量が低い日

注意の水準を上限の8割に置いているのは、予測の外れと、急な持ち込みの分を残すためです。 上限そのものを注意の水準にすると、予測が少し外れただけで上限を超えます。8割という数は自社で決める値で、当たり方を見ながら見直します。

全体の上の端は、全体のモデルから取ります。 第1章のとおり、排出元ごとの上の端を足すと、全部の排出元が同じ日に上振れする前提になります。排出元ごとの予測は「その日に誰が来そうか」を示す材料に使い、施設全体の量の幅は全体の列の予測で見ます。

Step6

指示内容を固定する

この構成の中心は生成AIではなく予測のモデルなので、プロンプトの代わりに、学習と予測の設定を示します。

import pandas as pd
from statsmodels.tsa.statespace.sarimax import SARIMAX

# y: 日ごとの受入の量(t)、index は日付(毎日・抜け無し)
# X: 祝日・施設の休み・排出元の休みの 0/1 列(同じ index)
mod = SARIMAX(y, exog=X, order=(1, 0, 1),
              seasonal_order=(1, 0, 1, 7),          # 曜日のくせ(s=7)
              trend="c")
res = mod.fit(disp=False)

X_next = calendar_next_month[X.columns]                # 翌月の暦の列
fc = res.get_forecast(steps=len(X_next), exog=X_next)
sf = fc.summary_frame(alpha=0.2)                       # 80%の幅
# sf の列: mean / mean_se / mean_ci_lower / mean_ci_upper
pred = sf[["mean", "mean_ci_upper"]].clip(lower=0)

alpha は必ず書きます。 公式のページでは、summary_frame の alpha の既定は0.05で、95%の信頼区間を返すとされ、返す列は mean・mean_se・mean_ci_lower・mean_ci_upper の4つです。既定のままだと幅が広く、ほとんど毎日が注意の日になります。 この構成では0.2(80%の幅)と書いて残します。何%の幅で保管の量をたどったかは、案の前提そのものだからです。

80%を選ぶ理由は、注意の水準を上限の8割に置いていることと組み合わせて決めています。 幅を広くして水準を上限そのものにする、幅を狭くして水準を低くする、どちらの組み合わせも考えられます。大事なのは、組み合わせを変えたら、過去の月で注意の日がどれくらい出て、そのうち実際に保管の量が積み上がった日がどれくらいあったかを数え直すことです。 注意の日が多すぎると、担当は案を見なくなります。

翌月の暦の列(X_next)を、予測の日数とそろえて渡します。 exog を使ったモデルは、予測する日の説明の列も要ります。祝日や排出元の休みは前もって分かるので、暦の表を翌月の分まで作っておきます。 排出元の休みを聞けなかった排出元は、前年の同じ時期の休みを仮に入れ、案に「休みは仮」と印を付けます。

0より下の予測は0にします。 SARIMAX の予測は、量が0以上であることを知りません。日曜に来ない排出元の幅の下の端は、0を下回ることがあります。 下の端は案に使いませんが、真ん中の値も0で切っておきます。

検証は、月で区切って前に進めます。

for cut in pd.date_range("2025-06-01", "2026-09-01", freq="MS"):
    tr = y[: cut - pd.Timedelta(days=11)]              # 20日時点で分かる分まで
    r = SARIMAX(tr, exog=X.loc[tr.index], order=(1, 0, 1),
                seasonal_order=(1, 0, 1, 7), trend="c").fit(disp=False)
    nxt = X.loc[cut: cut + pd.offsets.MonthEnd(0)]
    f = r.get_forecast(steps=len(nxt), exog=nxt).summary_frame(alpha=0.2)
    # 実際の量が mean_ci_upper を超えた日の割合を数える

学習の終わりを、予測する月の前の月の20日に合わせています。 実際の運用では、20日の時点で前の月の残りの10日の記録はまだありません。月の初めまでの記録で検証すると、運用より近い先を予測していることになり、当たり方を甘く見ます。

見る物差しは、上の端を超えた日の割合です。 80%の幅なら、上の端を超える日はおおむね1割のはずです。それより大きく多いなら、幅が狭すぎ、保管の量のたどりが楽観的になっています。

Step7

出力形式を固定する

日ごとの案を、次の形で記録します。

{
  "date": "2026-12-14",
  "operating": true,
  "capacity_t": 120.0,
  "total_mean_t": 112.4,
  "total_upper_t": 138.9,
  "storage_t": 1395.0,
  "storage_limit_t": 1680.0,
  "alert": true,
  "candidates": [
    {"source": "E-031", "mean_t": 24.0, "shift_to": ["2026-12-09", "2026-12-17"]},
    {"source": "E-007", "mean_t": 18.5, "shift_to": ["2026-12-10"]}
  ],
  "flags": ["holiday_tentative:E-031"],
  "decision": null
}

storage_limit_t は処理の能力から規則で出し、decision は担当が埋めます。 予測の値と保管の量と担当の決定を並べて残すので、案を採ったか、採らなかったときに実際の保管の量がどうなったかを、あとから見られます。

担当が見る表は、日ごとの1行にします。 稼働の有無、全体の真ん中と上の端、たどった保管の量、注意の印、頼む候補の排出元を並べ、注意の日だけを色で目立たせます。 排出元から聞いた予定は、候補の排出元の横に並べます。

Step8

システムへ連携する

つなぎ先方式内容
トラックスケール書き出したファイルを読む受入の日時・排出元・重さ
受入の予定の表スプレッドシートを読む排出元の情報、聞き取りのメモ
施設の運転の予定・日報スプレッドシートを読む稼働の日、処理の能力、保管の量
調整の案社内のファイルサーバーに書き出す担当と責任者が見る

受入の予定の表と帳簿には書き込みません。 予定を決めて表に書くのは担当で、帳簿はこれまでどおりの手順で付けます。排出元への連絡も、担当が電話かメールで行います。

Step9

人が確認する

  1. 排出元から聞いた予定と見比べる … 予測と聞き取りが大きく違う排出元は、どちらが正しいかを担当が判断します
  2. 注意の日の候補を選ぶ … 頼む候補の3社のうち、ずらしてもらいやすい排出元を選びます
  3. 稼働の予定と合わせる … 整備の日を動かす、休日に運転する、を責任者が決めます
  4. 当たり方の表を月に1回見る … 上の端を超えた日の割合と、注意の日の当たり方を見ます

1番の画面は、予測と聞き取りの差の大きい順に並べます。 差の小さい排出元は見なくて済み、担当が見るのは差の大きい十数社に絞られます。 全部の排出元を見る形にすると、第10章の6分には収まりません。

3番は、許可の内容の中で決めます。 処理の能力を超えて運転することは、この構成の案に入れません。

2番では、頼む候補の上位から機械的に選ばないでください。 量の大きい排出元ほど搬入の日を動かしにくいことがあり、小さい排出元を2社ずらすほうが早く片付く日もあります。 担当は候補の量と、過去に頼んで受けてもらえたかの記録を見比べて選びます。

Step10

例外に対処する

起きること対応
計量の記録が抜けた日がある帳簿・伝票で埋めてから予測する。埋められない日がある月は案に印を付ける
新しい排出元が加わった記録が半年に満たないうちは「その他」に入れ、契約の量の目安を横に並べる
排出元が取引をやめたその列を予測から外し、全体の列からも外して学び直す
学習が収まらない前の版の次数で予測し、「学習の警告」と印を付ける
予測が前年の同じ月の2倍を超える印を付け、担当が排出元に確かめる
大雨・災害の後の受入過去に例の無い量として、予測を使わず担当が見込む
施設の設備の故障稼働の予定を直して保管の量をたどり直す
上の端を超える日が増える学び直す前に、排出元の番号と暦の列の抜けを確かめる

大雨・災害の後は、予測を使わないと決めておきます。 過去の記録に無い量は、モデルの幅の外にあります。その時期は、担当が排出元と行政からの情報で見込み、終わってから学習の記録に印を付けて外します。

Step11

記録を残す

  • 読み込んだ計量の記録・予定の表のファイルと、読み込んだ日時
  • 排出元の番号の付け直しの表の版
  • モデルの次数、学習の期間、検証の結果(上の端を超えた日の割合)
  • 日ごとの予測、保管の量のたどり、注意の日、頼む候補
  • 担当の決定、排出元に頼んだこととその返事
  • 翌月の実際の受入の量と保管の量

担当の決定と排出元の返事を残すのは、頼みやすい排出元を知るためです。 同じ排出元に何度も頼むと、相手の負担が偏ります。どの排出元に何回頼み、何回受けてもらえたかを見て、頼む候補の並びを直します。

頼んでずらしてもらった受入は、学習の記録に印を付けます。 ずらした日の量は排出元のくせではなく、こちらの依頼の結果です。印の無いまま学び直すと、「この排出元は月の半ばに少ない」という形を、自分の依頼から学びます。

04実装レベルの3段階

最小構成:計量の記録で過去の保管の量をたどり、重なりの原因を数える / 重なりの確かめ
半自動化:上記+施設全体の日ごとの予測と幅、保管の量のたどり / 全体の注意の日の予測
本格構成:上記+排出元ごとの予測、頼む候補とずらす先の案、週の見直し、当たり方の表 / 予測から調整の案まで

本記事の想定は本格構成です。 1件20分が6分になるのは、書き出し・並べ・割り振りがなくなり、担当の時間が聞き取りとの見比べと、頼む排出元の選び方に絞られるからです。 半自動化だけでも、注意の日は先に分かります。 施設全体の予測は列が1本で、作るのも検証するのも軽い作業です。全体の予測が当たるのを確かめてから、排出元ごとの予測に進みます。 排出元ごとの列は数十本になり、番号の付け直しや休みの暦の手間が一気に増えるからです。 半自動化の段階では、注意の日が分かっても、誰に頼むかは担当が記録を開いて決めます。 その間に、担当がどの排出元を選び、なぜ選んだかをメモしておくと、本格構成で頼む候補の並べ方を決めるときの材料になります。 候補の規則を机の上で決めるより、担当の選び方に合わせたほうが、案が使われます。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
3 名
月間件数
120 件
1件あたり現在時間
20 分
1件あたり導入後時間
6 分
現在  120件 × 20分 ÷ 60 = 40 時間/月
導入後 120件 × 6分 ÷ 60 = 12 時間/月
月間削減時間
28h
削減率
70%
年間削減時間
336h
年間金額換算(時間単価3,000円)
101万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

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。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 工場の排水処理・浄水場・建設の現場などから汚泥を受け入れて、脱水・乾燥・焼却などの中間処理をしている施設で、排出元が数十から百数十あり、トラックスケールの計量の記録が日ごとに2年分以上残っている場合。月末に翌月の受入の予定を組むとき、処理の能力と保管の量に収まるかを、受入の担当が経験と前年の数字から見積もっている場合。受け入れの多い日に保管の場所がいっぱいに近づき、排出元に搬入の日をずらしてもらう連絡が直前になりがちな場合。
向いていない
  1. 排出元が数社に限られ、それぞれの搬入の予定が契約で固定されている場合。計量の記録が紙の伝票だけで、排出元ごと・日ごとの量を数えられない場合。災害の後の片付けなど、過去に例の無い量が一時に来る時期の見込み。なお、受け入れるかどうか、排出元に何を頼むかを決めるのは受入の担当と施設の責任者で、この構成は量の見込みと調整の案を出すものです。許可の内容に関わる判断は、この構成の対象の外です。

07最小構成で試す方法

  1. 直近2年分の計量の記録を書き出し、排出元の番号をそろえる
  2. 施設全体の日ごとの受入の量を、曜日ごとに並べる
  3. 前年の同じ月の量をそのまま使った場合に、翌月の日ごとの量がどれくらい当たったかを数える
  4. 月の初めの保管の量から、実際の受入と処理の量で保管の量を日ごとにたどる
  5. 保管の量が上限の8割を超えた日に、どの排出元が来ていたかを数える
出てきた内容判断
曜日のくせがはっきりあり、前年の数字では日ごとの重なりが当たらない時系列のモデルに進む
排出元の番号がそろわず、排出元ごとの列が作れない番号の付け直しの表を作るのが先
保管の量が上限に近づく日がほとんど無いモデルを作る前に、月の合計の見込みだけを楽にする

4番と5番が、この段階の本題です。 過去の保管の量をたどると、上限に近づいた日が、どの排出元の重なりで起きていたかが分かります。それが毎年同じ排出元なら、モデルを作る前に、その排出元と搬入の曜日を話し合うほうが早く効きます。

08実装時につまずきやすいポイント

問題対策
毎日が上限を超える見込みになる排出元ごとの上の端を足さない。全体のモデルで幅を出す
重なる日が見えない日ごとの列で s=7 の曜日のくせを持たせる
能力を少し超える日の積み上がりを見落とす受入の量だけでなく、保管の量を日ごとにたどる
記録の無い日の扱いが分からないmissing の既定は NaN を確かめない。元の記録で埋める
予測する日の説明の列が足りない翌月の暦の列を予測の日数とそろえて渡す
何%の幅で見たかが残らないalpha を必ず書いて記録する
予測が0を下回る0で切る
検証の当たり方が良すぎる学習の終わりを前の月の20日に合わせる
小さい排出元が予測できないまとめて「その他」の1列にする
同じ排出元の番号が分かれている番号の付け直しの表を最初に作る
災害の後の量を予測させる予測を使わず担当が見込む。学習からも外す

上の3行が、この構成の失敗のほとんどです。 どれも「予測は当たっているのに、案が使えない」という形で現れます。予測の当たり方より、保管の量をどうたどるかで、案の使い道が決まります。

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: 排出元の名前と受入の量、車両の番号、施設の稼働の予定、保管の量。運転手の個人の情報は予測に使いません。

  1. 排出元ごとの量を外に出さない … 排出元の受入の量は、その会社の生産の量を映します。調整の案を配る範囲を、受入の担当と施設の責任者に限ります
  2. 許可の内容を超える案を作らない … 処理の能力を超えて運転する、保管の上限を超えて受け入れる、を案に入れません。保管の上限は施行令の定めと自社の許可の内容から決め、行政に確かめた値を使います
  3. 車両の番号を予測に使わない … 計量の記録には車両の番号が入りますが、予測は排出元ごとの量だけで行います
  4. 帳簿と計量の記録の差を放置しない … 予測に使う計量の記録と、法で付ける帳簿が食い違ったら、月末に差を確かめて記録を直します
  5. 排出元への依頼を自動で送らない … 搬入の日をずらす依頼は、排出元の工場や現場の段取りに関わります。送るかどうかと文面は担当が決めます

予測が外れたときの説明も、記録で守ります。 受け入れを止めた日、排出元に頼んだ日について、そのときの予測・保管の量のたどり・担当の決定が残っていれば、排出元に理由を示せます。

誤りが起きた場合のリスクは、少なく見込んで保管が上限に近づくことと、多く見込んで排出元に不要な依頼をすることの2つです。 前者は全体の上の端と注意の水準で抑え、後者は担当が聞き取りと見比べて頼む排出元を選ぶことで防ぎます。

10まず何から始めるか

1週目:排出元の番号をそろえる

直近2年分の計量の記録を書き出し、排出元の番号の付け直しの表を作ります。記録の抜けた日がどれくらいあるかも、ここで数えます。

2週目:過去の保管の量をたどる

第8章のとおり、実際の受入と処理の量で保管の量を日ごとにたどり、上限の8割を超えた日と、その日に来ていた排出元を数えます。

3週目:施設全体の予測を作る

全体の日ごとの列に SARIMAX を当て、月で区切った検証で、上の端を超えた日の割合を見ます。休みの暦の列を、翌月の分まで作る手順もここで決めます。

4週目:保管の量のたどりを予測でやり直す

全体の上の端で翌月の保管の量をたどり、注意の日を出します。この時点では担当に案を渡さず、担当の予定と並べて見るだけにします。

2か月目: 排出元ごとの予測と頼む候補を足し、週の見直しを動かします。3か月目以降: 案を担当に渡し、決定と排出元の返事を記録します。上の端を超えた日の割合が落ち着き、排出元への連絡が翌月の予定の相談として前もってできるようになった時点で、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

技術仕様確認日:2026-11-18/最終更新:2026-11-18
確認した内容情報源確認日
seasonal_order が (P,D,Q,s) の形で s が周期であり既定は季節の効果なしであること、exog・trend を渡せること、enforce_stationarity・enforce_invertibility の既定が True であること、missing の既定 'none' が NaN の確かめをしないことであること(0.15.0)statsmodels: SARIMAX2026-11-18
get_forecast(steps=...) が標本の終わりから steps だけ先を予測し、予測と信頼区間を含む PredictionResults を返すことstatsmodels: MLEResults.get_forecast2026-11-18
PredictionResults に conf_int(alpha を指定できる)、summary_frame、predicted_mean があることstatsmodels: PredictionResults2026-11-18
summary_frame(endog=0, alpha=0.05) の alpha の既定0.05が95%の信頼区間を返すこと、返す列が mean・mean_se・mean_ci_lower・mean_ci_upper であることstatsmodels: PredictionResults.summary_frame2026-11-18
第6条第1項第2号ロ(3):処分又は再生のために保管する産業廃棄物の数量が、処理施設の1日当たりの処理能力に相当する数量に14を乗じて得られる数量(環境省令で定める場合は省令の数量)を超えないようにすること(2026-09-16 施行の版)e-Gov 法令API: 廃棄物の処理及び清掃に関する法律施行令2026-11-18
第10条の8:処分業者の帳簿の記載事項に、受入れ又は処分年月日、受入先ごとの受入量、処分方法ごとの処分量などがあること。管理票に係る事項以外は前月の分を毎月末までに記載すること(2026-09-16 施行の版)e-Gov 法令API: 廃棄物の処理及び清掃に関する法律施行規則2026-11-18

受け入れるかどうか、排出元に何を頼むかを決めるのは、受入の担当と施設の責任者です。保管の上限など許可に関わる値は、自社の許可の内容と行政への確認で決めてください。 本記事は上の公式のページ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-3965)についてのご相談はこちらから。

AI活用について相談する
目次