養鶏場が鶏舎ごとの産卵・餌・温度・死亡の毎日の記録から翌月の産卵の数を Python で幅付きで予測し、出荷の計画と鶏の入れ替えの時期を決める材料にする

処理の起点を決める

毎朝と月末の2つの定時実行で動かします。 毎朝の実行は、前日の記録を集めて台帳にまとめ、産卵率を計算し、死亡率を確かめるためです。月末の実行は、翌月の予測を出すためです。

毎朝の実行は、鶏舎の担当者が朝の見回りと日報の入力を終えた後に置きます。 集卵機のカウンターは集卵の後に確定し、日報は見回りの後に入力されるので、早すぎるとその日の分がそろいません。 入力がそろっていない鶏舎は、昼にもう一度確かめます。

月末の予測は、出荷の量をGPセンターと決める日の数日前に出します。 場長が予測を見て考える時間を取るためです。学習のし直しは、半年に1回、鶏群の入れ替えのたびにたまる記録を足して行います。

入力データを集める

質を決めるのは、5番目の鶏群の情報です。 週齢は導入日から計算するので、導入日が分からない鶏群があると、その鶏舎の予測が成り立ちません。 過去の鶏群も含めて、導入日と鶏種を管理表にそろえます。

6番目の入れ替えの予定は、予測の対象から外す期間を決めるために使います。 翌月の途中で鶏を出す鶏舎は、その日以降の産卵がありません。予定を入れないと、空になる鶏舎の産卵を数えてしまいます。

データの取得方法を決める

集卵機・環境制御盤・餌のタンクの記録は、それぞれの機器の管理ソフトからCSVで書き出します。 毎朝、決まったフォルダに書き出す設定にできる機器はその設定を使い、できない機器は事務の担当が書き出してフォルダに置きます。

日報は、紙からタブレットのフォームに替えます。 鶏舎の番号、日付、死亡の羽数、気づいたことの4項目だけにします。項目を増やすと入力されなくなるので、最小限にします。

集めたら、毎朝3つを機械で確かめます。 12棟すべての記録がそろっているか、日付が前日になっているか、集卵の数が鶏舎の羽数を超えていないかです。どれかが外れたら台帳への追記を止め、事務の担当に知らせます。 機器の時計がずれて日付が1日ずれる、ということは珍しくありません。

鶏舎の番号の付け方を、全部の機器でそろえます。 集卵機は「ライン1」、環境制御盤は「A棟」のように、機器ごとに呼び名が違うことがよくあります。 対応表を作り、台帳では1つの番号にそろえます。

AIへ渡す前に整形する

1. 鶏舎の番号をそろえる … 機器ごとの呼び名を、対応表で1つの番号にします
2. 羽数を更新する … 導入の羽数から、毎日の死亡の羽数と、出荷・移動した羽数を引いて、その日の羽数にします
3. 産卵率を計算する … 集卵の数 ÷ その日の羽数です
4. おかしい数字に印を付ける … 集卵の数が0の日（カウンターの止まり）、前日から半分以下や倍以上の変化、温度の記録の欠けに印を付けます
5. 死亡率を確かめる … 鶏舎ごとの1日の死亡率を、その鶏舎の最近の平均と比べます
6. 月の項目を作る … 鶏舎ごとに、月の平均の産卵率、月末の週齢、翌月の平均の週齢、月の平均・最高の温度、1羽あたりの餌の量、月の死亡率を作ります
7. 鶏種の標準との差を作る … 鶏種ごとの標準の産卵曲線（鶏の供給元の資料）と比べた、その鶏群の産卵率の差を作ります

4番目の印は、予測の前に人が確かめます。 カウンターが止まった日の0を本当の0として学習すると、産卵が急に止まった日として覚えてしまいます。 確かめた結果、カウンターの不具合なら欠けた値として扱います。

5番目は、予測の前処理ではなく、毎朝の見張りです。 農林水産省のページは、採卵鶏などの家きんについて、同一の家きん舎内で1日の死亡率が対象期間の平均の死亡率の2倍以上となることを「特定症状」としています（設備の故障、気温の急激な変化、火災、風水害など、高病原性鳥インフルエンザ以外の事情によることが明らかな場合は除く）。そして飼養衛生管理基準では、特定症状を発見したときは直ちに家畜保健衛生所に通報することとされています。この構成は、死亡率がこの目安に近づいた鶏舎をその朝に場長へ知らせますが、通報するかの判断と通報そのものは場長が行います。 対象期間の取り方は、管轄の家畜保健衛生所の指導に従って設定します。

7番目の標準の曲線は、鶏の供給元が出している資料を使います。 鶏種ごとの週齢と産卵率の目安で、「この鶏群は標準より何ポイント上か下か」が、その鶏群の調子を表す項目になります。

AIに処理させる

させるのは、鶏舎ごとに翌月の平均の産卵率を、下振れ（0.1分位）・中央（0.5分位）・上振れ（0.9分位）の3つの値で予測することだけです。

予測の答えは「翌月の平均の産卵率」です。 産卵の数そのものを答えにすると、羽数の多い鶏舎の誤差に学習が引っ張られます。産卵率で予測し、後から翌月の見込みの羽数を掛けて数にします。 見込みの羽数は、当月末の羽数から、最近の死亡率と入れ替えの予定で計算します。

翌月の温度は、平年の値を使います。 翌月の実際の温度は予測の時点で分からないので、過去の同じ月の舎内の最高温度の平均を入れます。 猛暑の年は外れるので、その分は上振れ・下振れの幅に表れることを期待し、場長が天候の見通しで判断を足します。

最後の行を必ず守ります。 死亡率が急に増えた鶏舎の予測を出すと、その数字が出荷の計画に入り、異常への対応より出荷の話が先に進んでしまいます。

指示内容を固定する

生成AIは使わないので、プロンプトではなくPython の処理の要点を示します。

import pandas as pd
from sklearn.ensemble import HistGradientBoostingRegressor

m = pd.read_csv("house_month.csv")
m["breed"] = m["breed"].astype("category")
feat = ["age_next_post_peak", "age_next_pre_peak", "rate_now",
        "rate_gap_std", "feed_per_bird", "temp_max_normal",
        "mortality_now", "breed"]
mono = {"age_next_post_peak": -1}

train = m[m["target_month"] < "2026-04"]
models = {}
for q in (0.1, 0.5, 0.9):
    models[q] = HistGradientBoostingRegressor(
        loss="quantile", quantile=q, monotonic_cst=mono,
        max_iter=300, learning_rate=0.05, random_state=0
    ).fit(train[feat], train["rate_next"])

now = pd.read_csv("house_now.csv")
now["breed"] = pd.Categorical(now["breed"], categories=m["breed"].cat.categories)
now = now[~now["mortality_alert"] & ~now["leaving_next_month"]]
for q, mdl in models.items():
    now[f"rate_q{int(q*100)}"] = mdl.predict(now[feat])
    now[f"eggs_q{int(q*100)}"] = now[f"rate_q{int(q*100)}"] * now["birds_next"] * now["days_next"]

決まりは3つです。 1つ目は、週齢をピークの前と後の2つの項目に分け、後のほうにだけ単調に減る制約を付けることです。週齢の全体に制約を付けると、産み始めの上がり方を表せません。2つ目は、死亡率の知らせが出た鶏舎と、翌月に鶏を出す鶏舎を予測から外すことです。3つ目は、学習と確かめを月で区切ること。古い月で学習し、新しい月で当たり方を見ます。

鶏種は category 型にします。 公式ページでは、categorical_features の既定が from_dtype で、データフレームの列の型が Categorical のものを区分の項目として扱うとされています。鶏種を数値の番号にすると、番号の大小に意味があるように学習されます。

3つの分位点のモデルは別々に学習するので、まれに下振れが中央を上回ることがあります。 その鶏舎は3つの値を並べ替えて示し、並べ替えが起きたことを印として残します。 頻繁に起きるなら、項目か学習の設定を見直します。

出力形式を固定する

月末に、鶏舎ごとの予測と農場全体の見込みを表で出します。

表の下に、農場全体の見込みと入れ替えの検討を付けます。

【翌月の農場全体の見込み（11月）】
 下振れ 4,980千個 ／ 中央 5,160千個 ／ 上振れ 5,290千個
 予測から外した鶏舎：7号舎（11/18 出す予定）
【入れ替えの検討】
 3号舎：翌月の中央 78.2%、標準との差 −3.1、3か月後の中央の見込み 72.5%
 9号舎：翌月の中央 80.4%、標準との差 −0.8
【先月の予測との差】
 10月 実績 5,072千個（予測の中央 5,110千個、下振れ 4,930千個）

農場全体の見込みを、鶏舎ごとの下振れの単純な合計にしないことに注意します。 全部の鶏舎が同時に下振れることは多くないので、単純に足すと全体の下振れが低く出すぎます。 全体の下振れは、過去の月で「鶏舎ごとの予測の合計」と「農場全体の実績」の差の分布から決め直します。

当たり方の物差しは、「実績が下振れと上振れの間に入った割合」です。 0.1と0.9の分位点なら、ならして8割前後が間に入るのが目安です。それより大きく少なければ幅が狭すぎ、ほとんど全部が入るなら幅が広すぎて判断の役に立ちません。 月ごとの記録から、この割合を半年ごとに確かめます。

入れ替えの検討は、数か月先まで見込みを伸ばします。 翌月の予測を1か月ずつ先に進め、産卵率が場長の決めた目安を下回りそうな時期を示します。次の鶏の導入の手配に間に合うように、早めに見えるようにするためです。

システムへ連携する

死亡率の知らせは、メールとスマートフォンの両方に送ります。 場長が鶏舎にいて、メールを見ないことがあるためです。知らせは場長と、場長が不在のときの代わりの人の2人に送ります。

人が確認する

1. 毎朝、印の付いた数字を確かめる … 事務の担当が、集卵の数の0や急な変化を鶏舎の担当者に確かめ、カウンターの不具合なら欠けた値にします
2. 死亡率の知らせを受けたら、場長が鶏舎を見る … 原因が設備の故障や急な温度の変化か、それ以外かを確かめ、管轄の家畜保健衛生所の指導に従って判断します
3. 月末に、場長が予測と自分の見立てを比べる … 予測が自分の見立てと大きく違う鶏舎は、記録を見直し、理由を書き留めます
4. 出荷の量を決める … 下振れと中央の値を見て、GPセンターと約束する量を決めます
5. 翌月、実績と予測の差を見る … 差が大きかった鶏舎について、理由（暑さ・病気・記録の誤り）を書きます

予測を見るときは、中央の値より先に幅を見ます。 下振れと上振れの幅が広い鶏舎は、モデルにとっても見通しにくい鶏舎です。幅の広い鶏舎ほど、場長が鶏舎を見に行って自分の目で確かめる価値があります。 幅の狭い鶏舎は、予測をそのまま材料にしてよい鶏舎です。

3番目の「理由を書き留める」が、場長の経験を記録に残す仕組みです。 「この鶏種は暑さに弱い」「この鶏舎は換気が悪い」という見立てが、予測とのずれの理由として残り、次の学習の項目を考える材料になります。

例外に対処する

新しい鶏種の行は、入れ替えのたびに起こりえます。 学習のデータに無い鶏種は、予測の当たり方が分かりません。最初の1鶏群は、鶏の供給元の標準の曲線と、場長の見立てを優先します。

記録を残す

• 毎朝の書き出しのCSVと、鶏舎ごと・日ごとの台帳
• おかしい数字の印と、確かめた結果
• 死亡率の知らせと、場長の判断の記録
• 月末の予測（3つの分位点の値、外した鶏舎と理由、model_version）
• 翌月の実績と予測の差、場長が書いた理由
• モデルの版ごとの学習期間と当たり方

死亡率の知らせと場長の判断の記録は、他の記録と分けて残します。 家畜保健衛生所から問い合わせがあったときに、いつ知らせが出て、いつ誰が何を確かめたかを、すぐに出せるようにします。