養豚場が、豚房ごとの体重の測定と飼料の量の記録から、出荷を始める体重に達する日を Python で予測し、と畜場の出荷の枠に合わせた出荷の予定表の案を作る
豚房ごとの体重の測定と飼料の量の記録から、数週先の平均の体重を Python で幅つきで予測し、出荷を始める体重に達する日を見積もります。その見込みを、と畜場の出荷の枠に合わせた週ごとの出荷の予定表の案にします。
- 連携・自動化
- Python
- 対象業界
- その他/製造
- 対象部門
- 物流/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/属人化解消/工数削減
- 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
- 担当が毎週、肥育の後期の豚房で体重を量り、平均を表に書く
- 農場長が、豚房ごとの前の週からの増え方を見る
- 「この豚房はあと何日で出せるか」を、日齢と増え方と季節の感覚で見積もる
- 見積もりをもとに、出荷先の週の枠に豚房を割り当てる
- 枠に足りない日、溢れる日を見て、豚房を入れ替える
- 出荷の段取りの担当が、出荷先に枠を予約し、トラックを手配する
- 人担当が毎週、体重の測定の結果をこれまでの表に書く
- 自動毎週決まった曜日の夜、Python が体重・飼料・豚房の記録を読み、値の範囲と抜けを確かめる
- 自動豚房ごとに、1週・2週・3週・4週先の平均の体重を、下の見込み・中ほど・上の見込みの3つで予測する
- 自動出荷を始める体重に、3つの見込みのそれぞれで達する日を出す
- 自動出荷の枠の表に合わせて、下の見込みで達する豚房から週ごとに割り当てた予定表の案を作る
- 人農場長が予定表の案と、幅の広い豚房・印の付いた豚房を見て、予定を決める
- 人出荷の段取りの担当が、出荷先に枠を予約する
- 人出荷の日に、担当が体重計で1頭ずつ量って積む豚を選ぶ
各工程の詳しい説明を読む
- 担当が毎週、肥育の後期の豚房で体重を量り、平均を表に書く
- 農場長が、豚房ごとの前の週からの増え方を見る
- 「この豚房はあと何日で出せるか」を、日齢と増え方と季節の感覚で見積もる
- 見積もりをもとに、出荷先の週の枠に豚房を割り当てる
- 枠に足りない日、溢れる日を見て、豚房を入れ替える
- 出荷の段取りの担当が、出荷先に枠を予約し、トラックを手配する
(a)見積もりが農場長の頭の中にある。 3番の「あと何日」は、経験で出しています。夏は増え方が落ちる、この豚舎は冬に寒い、といった感覚が数になっていません。 農場長が休む週は、予定が組めません。
(b)出荷の体重がそろわない。 見積もりより早く増えた豚房は重すぎ、遅れた豚房は軽すぎのまま出ることがあります。枠を埋めるために、まだ軽い豚を積む週もあります。
(c)予定の組み直しに時間がかかる。 4番と5番は、豚房の入れ替えを何度も試す作業です。1つの豚房をずらすと、別の週の枠が空きます。
(d)見積もりが当たったかを数えていない。 見積もった日と実際に出した日の差を記録していないので、どの季節・どの豚舎で見積もりがずれやすいかが分かりません。
(e)枠を動かす判断が遅れる。 増え方が見積もりより早い群に気づくのが、出荷先の枠を増やせる期限の後になることがあります。その群は次の週まで待たせることになり、重すぎの豚が増えます。
- 【人】 担当が毎週、体重の測定の結果をこれまでの表に書く
- 【自動】 毎週決まった曜日の夜、Python が体重・飼料・豚房の記録を読み、値の範囲と抜けを確かめる
- 【自動】 豚房ごとに、1週・2週・3週・4週先の平均の体重を、下の見込み・中ほど・上の見込みの3つで予測する
- 【自動】 出荷を始める体重に、3つの見込みのそれぞれで達する日を出す
- 【自動】 出荷の枠の表に合わせて、下の見込みで達する豚房から週ごとに割り当てた予定表の案を作る
- 【人】 農場長が予定表の案と、幅の広い豚房・印の付いた豚房を見て、予定を決める
- 【人】 出荷の段取りの担当が、出荷先に枠を予約する
- 【人】 出荷の日に、担当が体重計で1頭ずつ量って積む豚を選ぶ
6番目がこの設計の分かれ目です。 農場長は「あと何日」を一から見積もらず、予定表の案のうち、幅の広い豚房と、豚の様子から見て違うと思う豚房だけを動かします。
8番目は変わりません。 予測は豚房の平均で、1頭ずつの体重は出荷の日に量ります。
予定表の案は、4週先まで並びます。 今週と来週の分は予約に使い、3週目と4週目の分は枠を増やすか減らすかを出荷先に早めに相談する材料にします。先の週ほど幅が広くなるので、3週目より先は見込みとして扱います。
02今回想定するシステム構成
体重の測定の記録(豚房ごと・週ごと) 飼料の量の記録 豚房の台帳(導入日・頭数・性別の構成) │ 表計算のファイルを共有フォルダから読む ▼【トリガー】毎週決まった曜日の夜 Python(pandas) ├──▶ 値の範囲・抜け・頭数の変化の確認 ├──▶ 特徴の作成(日齢・直近の増え方・1頭あたりの飼料・月・豚舎) ▼ scikit-learn(HistGradientBoostingRegressor、分位の損失) │ 1〜4週先の平均の体重を、下・中・上の3つで予測 ▼ Python ── 出荷を始める体重に達する日、出荷の枠への割り当て ▼ 予定表の案(豚房・週・見込みの頭数・幅) ▼ 【農場長が決める → 出荷先へ予約】
| 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(分位の損失) | LightGBM(objective="quantile")、statsmodels の分位回帰 |
| 集計 | Python(達する日の計算、枠への割り当て、当たり方の集計) | 表計算の計算式 |
| 保管 | 農場の共有フォルダ(記録の写し、予測、予定表の案、直した記録) | - |
| 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、出荷の枠の表だけです。 体重と飼料の記録はこれまでの表をそのまま読み、書き込みはしません。 予定表の案は別のファイルに書き出します。
生成AIは使いません。 見込みの日は数の計算で出し、予定表は表として出します。文章にする必要がある部分が無いからです。
豚舎の温度の記録があれば、特徴に足せます。 夏の増え方の落ち方は豚舎によって違い、月だけでは表しきれないことがあります。ただし、温度の記録が全部の豚舎・全部の期間にそろっていないと、そろった期間だけの学習になります。 最初は月と豚舎の番号で始め、当たり方の表で夏の片寄りが大きければ足します。
03どうやって実装するのか
処理の起点を決める
毎週決まった曜日の夜、タスク スケジューラで Python を動かします。 体重の測定は週の前半に行い、その日のうちに担当が表に書きます。測定の翌日の夜に動かせば、全部の豚房の結果がそろいます。
| 段 | 動き方 | すること |
|---|---|---|
| 1. 予測 | 毎週 | 記録の確認、特徴の作成、予測、達する日、予定表の案 |
| 2. 当たり方 | 毎週(予測の後) | 前の週までに出した見込みと、実際の体重・出荷の日の差を集計 |
| 3. 学習のやり直し | 月に1回 | 新しく出荷を終えた豚房を足して学習し直す |
| 4. 再実行 | 担当が手で | 記録を直した後のやり直し |
予約の期限から逆算して曜日を決めます。 出荷先の枠を取り消したり増やしたりできる期限の前日には、予定表の案が農場長の手元にあるようにします。予測の夜が期限の後になると、案が出ても枠を動かせません。
測定が全部の豚房でそろっていない週は、そろった豚房だけで予測し、残りに「測定待ち」の印を付けます。 前の週の予測を使い回すことはしません。
入力データを集める
| データ | 中身 | 取得元 |
|---|---|---|
| 体重の測定 | 測定の日、豚舎、豚房、量った頭数、平均の体重、最も軽い・重い体重 | 体重の測定の表 |
| 飼料の量 | 豚房ごと(なければ豚舎ごと)の週の飼料の量、飼料の種類の切り替えの日 | 飼料の記録の表 |
| 豚房の台帳 | 導入の日、導入の日齢、頭数、性別の構成(去勢・雌)、出荷・死亡・移動の頭数 | 豚房の台帳 |
| 出荷の実績 | 豚房ごとの出荷の日と頭数、出荷の日の生体の体重 | 出荷の記録 |
| 出荷の目安 | 出荷を始める体重、出荷を終える体重(出荷先との取り決め) | 設定の表 |
| 出荷の枠 | 週・曜日ごとの出荷先の受け入れの頭数、トラック1台の頭数 | 出荷の枠の表 |
| 出来事 | 病気の治療、豚舎の設備の故障、暑さ対策の開始の日 | 農場長が書く表 |
質を決めるのは、体重の測定の量り方です。 毎週同じ豚房で、同じように選んだ頭数を量っていないと、平均の体重の上下が、豚の増え方ではなく選び方の違いになります。 量る頭数と選び方を決め、量った頭数を表に書くようにします。
飼料の量は、1頭あたりに直して使います。 豚房の頭数は出荷や移動で週ごとに変わるので、飼料の量をその週の頭数で割ってから特徴にします。 豚舎ごとの記録しかない場合は、豚房の頭数で按分した値を使い、按分した印を付けます。
出荷の日の生体の体重は、当たり方を見るために使います。 群の最初の出荷の日に積んだ豚の体重の平均が、出荷を始める体重に近いかを見れば、見込みの日が早すぎたか遅すぎたかが分かります。 出荷先から届く枝肉の重量の記録があれば、それも並べます。
出来事の表は、予測には入れず、印にだけ使います。 病気の治療をした豚房は増え方が落ちますが、過去に同じ出来事が少ないと、学習しても当てられません。 出来事のある豚房は、予測に印を付けて農場長に見てもらいます。
データの取得方法を決める
記録はすべて共有フォルダの表計算のファイルから読みます。 pandas で読み、豚房と週で1つの表にまとめます。
import pandas as pd
w = pd.read_csv(r"\\farm\share\weights.csv", parse_dates=["date"]) # 体重の測定
f = pd.read_csv(r"\\farm\share\feed.csv", parse_dates=["week"]) # 飼料の量
pen = pd.read_csv(r"\\farm\share\pens.csv", parse_dates=["intake_date"])
w["week"] = w["date"].dt.to_period("W-SUN").dt.start_time
df = (w.merge(pen, on=["barn", "pen", "lot"], how="left")
.merge(f, on=["barn", "pen", "week"], how="left"))
df["age_days"] = (df["date"] - df["intake_date"]).dt.days + df["intake_age"]
df["feed_per_head"] = df["feed_kg"] / df["heads_now"]
df = df.sort_values(["lot", "date"])
df["adg_1w"] = df.groupby("lot")["avg_kg"].diff() / df.groupby("lot")["date"].diff().dt.days
lot は、同じ日に導入した豚の群の番号です。 豚房の番号は群が出ていくと次の群に使い回されるので、豚房ではなく群で並べないと、前の群の体重から増え方を計算してしまいます。 台帳に群の番号の欄が無ければ、豚房と導入の日から作ります。途中で2つの豚房を1つにまとめた群は、まとめた日から新しい群の番号にし、前の番号との対応を台帳に残します。
学習のための行は、測定の日から1〜4週先に実際に量った体重を目的の値にして作ります。 1つの測定から、先の週ごとに最大4行ができ、何週先かを特徴の1つにして、1つのモデルで4つの先を予測します。
AIへ渡す前に整形する
- 値の範囲 … 平均の体重が前の週より大きく減った、または決めた幅より大きく増えた測定に印を付けます
- 量った頭数 … 決めた頭数より少ない測定に印を付けます。平均がぶれやすいからです
- 頭数の変化 … 出荷・死亡・移動で頭数が変わった週を記録します。選んで出荷した後の平均は軽い豚が残った値になります
- 出荷が始まった後の扱い … 群の最初の出荷の後の測定は、学習の目的の値から外します
- 特徴の作成 … 日齢、いまの平均の体重、直近1週・2週の増え方、1頭あたりの飼料の量、月、豚舎、去勢の割合、何週先か
- 学習とテストの分け方 … 導入の日の順に群を並べ、古い群で学習し、新しい群でテストします
4番を省かないでください。 体重の重い豚から選んで出荷すると、残った豚の平均は下がります。その平均を学習に入れると、「出荷が近づくと増え方が落ちる」という誤った形を覚えます。 予測するのは出荷が始まる前の平均で、始まった後は農場長と担当の判断に任せます。
6番で TimeSeriesSplit をそのまま使わないのは、記録の間隔がそろっていないからです。 公式のページでは、TimeSeriesSplit は時間の順に並んだデータのためのもので、折りどうしで比べられるようにサンプルが等間隔である必要があるとされ、gap の単位はサンプルの数です。群ごとに測定の回数が違うので、導入の日で区切って、区切りの前の群で学習し、後の群でテストします。
AIに処理させる
させるのは、豚房(群)ごとに、1〜4週先の平均の体重を、下の見込み・中ほど・上の見込みの3つで予測することだけです。
| 出すもの | 出し方 | 使い方 |
|---|---|---|
| 1〜4週先の平均の体重 | 分位の損失で、2割・5割・8割の点を別々に学習 | 3つの見込み |
| 出荷を始める体重に達する日 | 週ごとの予測の間を直線でつなぎ、目安を越える日を出す | 予定表の割り当て |
| 幅 | 8割の点と2割の点で、目安に達する日の差 | 予定に入れるかの判断 |
| 印 | 測定の印、出来事、学習の範囲の外の値 | 農場長が見る豚房 |
| させないこと | 理由 |
|---|---|
| 出荷する豚を選ぶ | 出荷の日に1頭ずつ量って決める |
| 予定を決める・枠を予約する | 農場長と段取りの担当が決める |
| 病気の豚房の見込み | 増え方が記録の範囲の外。印を付けて人へ |
| 飼料の設計を変える提案 | 農場長と飼料の会社の担当が決める |
| 4週より先の予測 | 記録の当たり方を確かめていない |
3行目を予測に任せると、いちばん外れます。 治療をした豚房の増え方は、過去の記録にほとんど無い形です。予測は普通の豚房の増え方を当てはめるので、見込みの日が早く出すぎます。
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、学習と予測、達する日の計算の中身を示します。
import numpy as np
from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.metrics import mean_pinball_loss
FEATS = ["age_days", "avg_kg", "adg_1w", "adg_2w", "feed_per_head",
"month", "barn_code", "castrate_ratio", "horizon_w"]
models = {}
for q in (0.2, 0.5, 0.8):
m = HistGradientBoostingRegressor(
loss="quantile", quantile=q, max_iter=300, learning_rate=0.05,
early_stopping=False, # 1万行を超えても、群と無関係に検証の行を抜かせない
random_state=0)
m.fit(train[FEATS], train["target_kg"])
models[q] = m
print(q, mean_pinball_loss(test["target_kg"], m.predict(test[FEATS]), alpha=q))
def reach_day(row_preds, start_kg, start_date, goal_kg):
# row_preds: 1〜4週先の予測(kg)。間を直線でつなぎ、goal を越える日を返す
pts = [(0, start_kg)] + [(7 * (i + 1), v) for i, v in enumerate(row_preds)]
for (d0, v0), (d1, v1) in zip(pts, pts[1:]):
if v1 >= goal_kg > v0:
return start_date + pd.Timedelta(days=round(d0 + (goal_kg - v0) / (v1 - v0) * (d1 - d0)))
return None # 4週以内に達しない
early_stopping=False を明示します。 公式のページでは、early_stopping の既定は 'auto' で、サンプルが1万を超えると自動で有効になり、学習の行の一部(既定で1割)を検証に使うとされています。1つの測定から4行を作るので、2年分の記録で1万行を超えることがあります。群と無関係に検証の行が抜かれると、同じ群の行が学習と検証の両方に入ります。 検証の行を自分で選ぶなら、fit に X_val・y_val を渡せます(1.7 から)。
分位は3つを別々に学習するので、予測の順が入れ替わることがあります。 2割の点が5割の点より重く出た行は、3つを小さい順に並べ替えてから使い、並べ替えた行に印を付けます。 印が多い豚舎は、記録が足りていません。
当たり方は mean_pinball_loss で見ます。 公式のページでは、分位回帰のための損失で、alpha は既定で0.5、0.5のときは平均絶対誤差と同じとされています。3つの点それぞれに、その分位の alpha を渡して測ります。 あわせて、実際の体重が2割と8割の点のあいだに入った割合を数え、6割前後から大きく外れていないかを見ます。
出力形式を固定する
予定表の案は、次の列の表で書き出します。
週,曜日,豚舎,豚房,群,見込みの頭数,達する日_下,達する日_中,達する日_上,幅_日,印
2026-11-23,火,2,14,L2607,12,2026-11-23,2026-11-21,2026-11-19,4,
2026-11-23,火,3,05,L2608,10,2026-11-25,2026-11-22,2026-11-20,5,出来事あり
2026-11-30,火,1,22,L2609,15,未達,2026-12-01,2026-11-28,-,幅が広い
1つ目の理由は、下の見込みで割り当てたことが一目で分かることです。 「達する日_下」がその週より前の豚房から枠に入れ、下の見込みでも間に合う豚房だけが、予定に入ります。 「未達」の豚房は、上の見込みでは間に合っても予定に入れず、次の週の予測を待ちます。
2つ目は、幅と印で農場長が見る豚房が絞れることです。 幅が決めた日数より広い豚房と、印の付いた豚房に色を付けます。農場長はその行から見ます。
割り当ては、単純な決まりで行います。 週・曜日の枠ごとに、「達する日_下」の早い豚房から順に、トラック1台の頭数の単位で埋めます。見込みの頭数は、群の残りの頭数に、出荷を始める週に出す割合(設定の表)を掛けた値です。 枠が足りない週は、溢れた豚房に「枠待ち」の印を付けます。最適な組み合わせを探す計算はしません。 決まりが単純なほうが、農場長が案を動かすときに理由が分かります。
「枠待ち」の豚房は、翌週の予測で「達する日_上」がさらに前に来ます。 2週続けて枠待ちになった豚房は、重すぎになる前に枠を増やすかを決める必要があるので、予定表の先頭に並べます。
システムへ連携する
| つなぎ先 | 方式 | 内容 |
|---|---|---|
| 共有フォルダ | ファイルの読み取り | 体重・飼料・豚房・出荷の記録、出荷の枠の表 |
| 共有フォルダ | ファイルの書き出し | 予定表の案、予測の全体、当たり方の表 |
記録の表には書き込みません。 予定表の案は別のファイルにし、農場長がそれを見て決めた予定は、これまでどおり出荷の段取りの担当が出荷先に予約します。出荷先への予約をこの構成から行う経路は作りません。
予測の全体のファイルも残します。 予定表の案に入らなかった豚房も含め、全部の群の3つの見込みを並べたものです。翌週の当たり方の集計と、農場長が「この豚房はなぜ入っていないのか」を確かめるときに使います。
人が確認する
- 印の付いた測定を先に見る … 体重が大きく減った・増えた測定、量った頭数が少ない測定を、担当に確かめます
- 幅の広い豚房と、出来事のある豚房を見る … 豚の様子を見て、予定に入れるかを決めます
- 予定表の案を動かす … 枠の都合、豚の様子、出荷先の要望で入れ替えます
- 動かした理由を書く … どの豚房を、どの週からどの週へ、なぜ動かしたかを1行で残します
- 出荷の日に1頭ずつ量る … 積む豚は体重計で決めます
4番の記録が、次の学習とモデルの見直しの材料になります。 同じ豚舎で何度も遅らせているなら、その豚舎の増え方を予測が早く見ています。季節の特徴が足りないのか、豚舎の環境の記録が要るのかを考える材料です。
当たり方の表は月に1回、農場長と見ます。 豚舎ごと・季節ごとに、中ほどの見込みと実際の差の平均を並べます。差が片寄っている豚舎は、予定表の案を見るときに、その分を頭に入れておきます。
農場長が休む週は、肥育の担当が予定表の案を見ます。 そのときは案を動かすのは印の付いた豚房だけにし、幅の広い豚房は予定に入れずに翌週へ送る、と決めておきます。判断に迷う豚房を担当が抱え込まずに済み、案のとおりに進めた週の当たり方も残ります。
例外に対処する
| 起きること | 対応 |
|---|---|
| 体重が前の週より大きく減った | 印を付け、予測には使うが予定には入れない。担当に量り直しを頼む |
| 量った頭数が決めた数より少ない | 印を付ける。平均がぶれやすい |
| 測定が届いていない豚房 | 「測定待ち」の印。前の週の予測を使い回さない |
| 飼料の記録が豚舎ごとしか無い | 頭数で按分し、按分の印を付ける |
| 病気の治療・設備の故障があった | 予測に印。予定には入れず、農場長が決める |
| 4週以内に達しない | 「未達」とし、予定に入れない |
| 3つの見込みの順が入れ替わった | 並べ替えて使い、印を付ける |
| 学習の範囲の外の値(日齢・体重) | 予測せず、印を付けて農場長へ |
| 出荷の枠の表が空の週 | 割り当てをせず、達する日の一覧だけを出す |
| 群の番号が台帳に無い測定 | 学習にも予測にも使わず、印を付けて担当へ |
| 共有フォルダのファイルが開かれていて読めない | 処理を止めて担当に通知し、閉じた後に手で動かす |
上の3行が大半を占めます。 どれも予測の問題ではなく、測定の量り方と記録の書き方の問題です。 直すほうが、モデルを工夫するより効きます。
記録を残す
- 毎週読み込んだ記録の写し(体重・飼料・豚房・出荷)
- 学習に使った期間、群の区切り、モデルの設定、
mean_pinball_lossの値 - 毎週の予測の全体(群ごとの3つの見込みと達する日)と、付いた印
- 予定表の案と、農場長が動かした内容と理由
- 実際の出荷の日と頭数、出荷の日の体重
3つ目と5つ目を並べたものが、当たり方の表になります。 予測を出した週と、実際に出した日の差を群ごとに数えます。この表が無いと、モデルを学習し直したときに、前より良くなったかが分かりません。
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9分が3分になるのは、増え方の計算と見積もりと割り当てがそろって出てくるからです。残る3分は、印の付いた豚房と幅の広い豚房を見て、予定を動かす時間です。 半自動化を先に2〜3か月回します。 予定表を作らずに見込みだけを出し、農場長の見積もりと並べます。どの豚舎・季節で予測と農場長が食い違うかが分かれば、本格構成の割り当てを信用してよい範囲が決まります。 食い違ったときにどちらが当たったかも、出荷の日の体重で数えておきます。農場長の見積もりの方が当たる豚舎は、その理由を聞き、特徴に足せるものがないかを探します。
05工数削減シミュレーション
導入後 160件 × 3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
- 肥育豚を毎週と畜場へ出荷する一貫経営・肥育経営の養豚場で、豚房ごとに抜き取りの体重の測定と、飼料の量の記録が2年以上残っている場合。農場長が体重の記録を見て「あと何日で出せるか」を頭の中で見積もり、出荷先の枠に合わせた週の予定を手で組んでいる場合。出荷の体重がそろわず、重すぎ・軽すぎの豚が出る週があり、見積もりの方法を他の人に引き継ぎたい場合。
- 肥育豚の頭数が少なく、毎週の出荷の頭数が数頭で、目で見て選べば足りる場合。体重を測っておらず、記録が日齢だけの場合(予測の元が無い)。開業や豚舎の建て替えから1年未満で、季節の違いが記録に無い場合。なお、どの豚をいつ出荷するかの最終の判断、病気の豚の扱い、飼料の設計の変更は農場長と獣医師が行うことで、この構成は見込みの日と予定表の案を出すだけです。
07最小構成で試す方法
- 去年出荷を終えた群から、季節と豚舎の違う20群を選ぶ
- 各群の測定の記録を並べ、出荷が始まる前の最後の4回の測定を取り出す
- 4回のうち最初の測定から、直近の増え方をそのまま伸ばして「達する日」を表計算で出す
- 実際に出荷を始めた日と比べる
- 農場長にも、同じ測定の記録だけを見せて「あと何日」を見積もってもらい、比べる
| 出てきた内容 | 判断 |
|---|---|
| 直線で伸ばすだけで、季節を問わず数日以内に収まった | 表計算の計算で足りる。 Python の構成は要らない |
| 夏・冬や豚舎で片寄ってずれた | 季節と豚舎を特徴にする意味がある。 Python の構成に進む |
| 測定の上下が大きく、直線が引けない | 量り方を先に決める。 予測の問題ではない |
1行目が出ることもあります。 そのときは、表計算に直線の計算と出荷の枠の割り当てを入れるだけで、農場長の見積もりを人に渡せる形になります。 予測の仕組みを足すのは、片寄りが見えてからで十分です。
農場長の見積もりと比べるときは、当たった・外れたより、ずれの向きを見ます。 夏にいつも遅れる、ある豚舎だけ早まる、といった向きがそろっていれば、それが農場長の頭の中にあった補正です。その補正を季節と豚舎の特徴でモデルに覚えさせるのが、Python の構成の役目です。
08実装時につまずきやすいポイント
| 問題 | 対策 |
|---|---|
| 豚房の番号で並べて前の群とつながる | 群の番号で並べる |
| 出荷が始まった後の平均で増え方が落ちて見える | 最初の出荷の後の測定を学習から外す |
| 検証の行が群と無関係に抜かれる | early_stopping=False を明示するか、X_val を渡す |
TimeSeriesSplit で折りを作って当たり方が良く見える | 記録が等間隔でない。導入の日で群を区切る |
| 3つの見込みの順が入れ替わる | 並べ替えて使い、印を付ける |
| 飼料の量を豚房の合計のまま使う | 1頭あたりに直す |
| 病気の豚房に早すぎる見込みが出る | 出来事の表で印を付け、予定に入れない |
| 測定の頭数が週で違い平均が上下する | 量る頭数と選び方を決め、少ない測定に印 |
| 予定表の案をそのまま予約する | 農場長が決めてから予約する |
| 予測の当たり方を数えない | 毎週、見込みと実際の差を集計する |
| 学習し直したモデルで当たり方が悪くなる | 前のモデルと当たり方を比べ、悪ければ戻す |
| 3週目より先の案で予約してしまう | 先の週は見込みとして扱い、出荷先への相談の材料にとどめる |
上の4行が、この構成の失敗のほとんどです。 どれも、当たり方の数が実際より良く見えることにつながります。テストで良く見えたモデルが、本番の週で外れる理由の大半はここにあります。
下の2行も早く効いてきます。 予定表の案が当たるようになるほど、確かめずに予約したくなります。豚の様子を見るのは、これからも人の仕事です。 予定表の案は、記録に書かれたことしか知りません。咳をしている豚が多い、餌の食い込みが落ちた、といった豚舎での気づきは、出来事の表に書いて初めて印になります。 気づいたことを書く習慣が、この構成の当たり方を支えます。
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: 豚房ごとの体重・飼料の量・頭数・出荷の記録、出荷先の枠と取り決めの体重です。人の個人情報は入りませんが、出荷の頭数と取り決めは取引の情報です。
- データを外部に出さない … 農場の PC と共有フォルダの中で処理します。生成AIや外部のサービスに記録を送りません
- 記録の表に書き込まない … 予測は別のファイルに書き出し、元の記録は担当だけが直します
- 出荷の判断を人に残す … 予定は農場長が決め、積む豚は出荷の日に1頭ずつ量って決めます
- 病気の豚房を予測に任せない … 出来事の表で印を付け、農場長と獣医師が扱いを決めます
- モデルを学習し直したら、当たり方を比べてから使う … 月ごとの学習のやり直しで当たり方が悪くなっていれば、前のモデルに戻します
- 処理を外部に頼むときも、記録を渡す範囲を決める … 処理を作る人に渡すのは、群の番号と体重・飼料・頭数の記録だけにし、出荷先の名前と取り決めの体重は設定の表として農場に残します
- 共有フォルダの書き込みの権限を絞る … 予定表の案のファイルを誰でも直せると、農場長が見た案と予約に使った案が食い違います
誤りが起きた場合のリスクは、軽すぎる豚房を予定に入れることと、重すぎる豚房を遅らせることの2つです。 前者は下の見込みで割り当てることで、後者は上の見込みの日を予定表に並べて農場長が見ることで減らします。どちらも、最後は出荷の日の体重計で止めます。
10まず何から始めるか
1週目:量り方と群の番号を決める
肥育の後期の豚房で、何頭をどう選んで量るかを決め、担当にそろえてもらいます。豚房の台帳に群の番号の欄を足し、過去の記録にも群の番号を付けます。
2週目:去年の20群で直線の見積もりを試す
第8章のとおり、直近の増え方を伸ばすだけの見積もりと、実際に出荷を始めた日を比べます。農場長の見積もりとも並べ、どの季節・豚舎でずれるかを見ます。
3週目:出荷の枠の表と出荷の目安を作る
出荷先の週・曜日ごとの枠、トラック1台の頭数、出荷を始める体重と終える体重を表にします。出荷先との取り決めと格付の重量の範囲を確かめ、目安の値を決めます。
4週目:Python で記録をまとめる
体重・飼料・豚房・出荷の記録を群と週で1つの表にするところまで作ります。この時点では予測をせず、まとめた表で増え方の一覧を農場長に見てもらいます。
2か月目: 予測を足し、農場長の見積もりと並べて見ます。3か月目以降: 出荷の枠への割り当てと当たり方の集計を足し、1件9分が何分になったかを実測します。当たり方の表で片寄りが小さくなり、農場長が動かす豚房が幅の広いものだけになった時点で、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
| 確認した内容 | 情報源 | 確認日 |
|---|---|---|
| 豚枝肉取引規格が令和4年4月に改正され、仮の等級を決める枝肉の重量の範囲が3キログラム引き上げられたこと。家畜改良増殖目標で出荷体重を現状の115キログラムから120キログラムに引き上げる目標とされていること | 農畜産業振興機構: 豚枝肉取引規格の改正と新たな情報提供サービスについて | 2026-11-17 |
HistGradientBoostingRegressor の loss='quantile' と quantile、early_stopping='auto' がサンプル1万超で有効になること、validation_fraction の既定0.1、fit に X_val・y_val を渡せること(1.7 から) | scikit-learn: HistGradientBoostingRegressor | 2026-11-17 |
TimeSeriesSplit が時間の順に並んだデータのためのもので、折りどうしを比べるにはサンプルが等間隔である必要があること、gap の単位がサンプルの数であること | scikit-learn: TimeSeriesSplit | 2026-11-17 |
mean_pinball_loss が分位回帰の損失で、alpha の既定が0.5、0.5のとき平均絶対誤差と同じであること | scikit-learn: mean_pinball_loss | 2026-11-17 |
出荷を始める体重と終える体重は、出荷先との取り決めと、日本食肉格付協会の豚枝肉取引規格の現行の本文で確かめてください。 本記事は上記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-3642)についてのご相談はこちらから。
