電力量は外気温・生産量・稼働時間・品種など複数の要因が同時に動いた結果です。「先月より電気代が上がった」を一つの犯人に決めつける前に、要因ごとの寄与を分けて眺めることで、原単位悪化の候補を客観的に整理できると考えます。本記事はその切り分けの考え方を、現場データの手触りとともに整理します。
電力コストの高騰が続くなか、工場や物流拠点の現場担当者に「先月より電気代が上がったのはなぜか」という問いが降りてくる場面が増えています。省エネ法の定期報告やCO2算定への対応、拠点間比較の要請も重なり、電力量を「見える化」する取り組み自体は広がってきました。ところが、いざグラフを眺めても、上がった理由を一つに特定できず説明に窮する——という声を現場でよく聞きます。
理由ははっきりしています。電力量は、複数の要因が同時に動いた結果として決まる値だからです。猛暑で空調負荷が増えた月は、たいてい生産も繁忙で稼働時間が長く、生産品種の構成も変わっています。これらが重なった状態の電気代を見て「空調のせい」「増産のせい」と一つに決めつけると、本来手を打つべき設備の無駄を見落としたり、逆に増えて当然の分まで異常だと騒いでしまったりします。
多くの現場では、総使用量の推移グラフや前年同月比までは用意できています。しかし現場の意思決定に必要なのは「上がった分のうち、気温で説明できるのはどれくらいか、生産増で説明できるのはどれくらいか、それでも残る説明できない分はどれくらいか」という切り分けです。この残りの部分にこそ、待機電力の増加や設備劣化、運用の緩みといった、改善で取り返せる余地が隠れている可能性があります。
本記事では、電力量と外気温・生産量・稼働・品種といった複数要因を突き合わせ、要因ごとの寄与を分けて眺める「相関分析」の考え方を整理します。断定的に原因を当てにいくのではなく、原単位悪化の要因候補を客観的に絞り込むための手順として捉えていただくのが誠実だと考えます。
切り分けの前に、そもそも電力量に効きうる要因を洗い出しておく必要があります。要因を知らないまま相関だけ見ると、見えていない第三の要因に振り回されるからです。工場・倉庫の電力に影響しうる代表的な要因を、性質ごとに並べてみます。
外気温・湿度は空調や冷凍冷蔵、コンプレッサーの効率に直結します。とくに冷却系は外気温との関係が強く出やすく、夏冬で消費が大きく振れます。日照や外気の露点も除湿負荷に効きます。これらは制御対象ではなく「前提条件」なので、電力を評価するときは気温で補正して考える発想が要ります。
生産量（個数・重量・処理量）、稼働時間、ライン本数、品種構成が主な要因です。同じkWhでも、たくさん作った結果なら原単位（製品あたり電力）はむしろ良いかもしれず、総量だけを見ても評価になりません。品種によって加工温度や工程が違えば、単位あたりの必要電力そのものが変わります。稼働と非稼働の切り替えタイミングも効きます。
待機・アイドルの電力、設備の劣化や汚れによる効率低下、エア漏れ、立ち上げ・段取りのロス、消し忘れといった運用の緩みが該当します。ここが本来いちばん把握したい部分ですが、外部環境や生産の変動に紛れて見えにくいのが厄介なところです。だからこそ、環境要因と生産要因を先に「説明済み」として差し引き、残りを浮かび上がらせる手順が有効になりうると考えます。
相関分析でまず肝に銘じたいのは、相関と因果は別物だということです。二つの量が一緒に上下していても、片方がもう片方を引き起こしているとは限りません。よくあるのが、外気温と生産量が季節的に同時に動くために、生産量と電力の間に実際以上の強い関係が見えてしまうケースです。夏に売れる製品を夏に多く作れば、増産の効果と空調の効果が混ざり、どちらの寄与か判別しづらくなります。
この「見かけの相関」を避けるには、条件をそろえて比べる（層別する）のが基本です。たとえば外気温が近い日だけを集めて生産量と電力の関係を見れば、気温の影響をある程度そろえた状態で生産の寄与を眺められます。逆に生産量が近い日で気温と電力を見れば、気温の寄与が見えてきます。一度に全部を眺めるのではなく、他の要因を固定して一つずつ見る姿勢が切り分けの土台になります。
要因と電力の関係は、まっすぐな比例とは限りません。空調は一定の外気温を超えると急に負荷が増えたり、冷凍設備は霜取りの周期で階段状に動いたりします。相関係数という一つの数字だけで「関係が弱い」と切り捨てると、こうした非線形の関係を見逃します。数値の指標に頼り切る前に、散布図で点の散らばりを目で見て、曲がっていないか・途中で傾きが変わっていないかを確かめる工程を挟むことをおすすめします。
要因を切り分けて寄与を推定する発想は、電力に限らず生産や品質のデータ統合でも共通します。電力・生産・品質を同じ時間軸で突き合わせる考え方は電力・生産・品質データ統合の観点とあわせて捉えると、原単位と歩留まりを同時に見る土台になりうると考えます。
実務としての切り分けは、おおむね「データをそろえる → 要因で説明する → 残差を見る」という流れで設計できると考えます。特別な統計知識よりも、まずデータの粒度と時刻をそろえることが効きます。
電力は1分〜15分値、生産は日次や品番単位、気温は1時間値、というように、データごとに粒度も記録タイミングもバラバラなのが普通です。これを共通の時間軸（たとえば1時間単位や日単位）に集約し、同じ行に電力・気温・生産量・稼働・品種を並べる「突き合わせ」が出発点です。ここで時刻ズレや欠測を放置すると、後段の相関がすべて怪しくなります。地味ですが、この前処理が分析の質の大半を決めると言っても過言ではありません。
そろったデータに対して、気温・生産量・稼働などを説明変数として電力を推定する簡単なモデル（重回帰などが入口になります）を組むと、「この条件ならこれくらいの電力が期待される」というベースラインを描けます。ここで得られる各要因の係数が、そのまま寄与の目安になります。ただし係数は前提条件に依存する推定値であり、モデルが妥当かは残差の振る舞いと現場感覚の両方で検証する必要があります。数値だけを信じないことが大切です。
実測電力から、モデルが説明する期待電力を引いた差が「残差」です。気温でも生産でも稼働でも説明できなかった分がここに残ります。原単位悪化の要因候補を探すうえで、この残差が継続的にプラス側へ膨らんでいる時間帯・設備・品種を洗い出すことが、次の改善アクションの入口になりうると考えます。こうした要因分解と検証は、AI PoC開発の枠組みで対象を絞って試すと、いきなり全社展開するより手戻りが少ないと考えます。
切り分けは、それ自体がゴールではありません。残差から浮かんだ候補を現場で確かめ、改善し、効果を再び相関で検証する——このループを回して初めて電気代に効いてきます。見える化で止めないための運用を考えます。
残差が大きい時間帯が「毎日の昼休み」に集中していれば、休止中の設備の待機電力が疑わしい、といった仮説が立ちます。しかし、それはまだ仮説です。実際にその設備の分電盤やクランプ電流を見に行き、止まっているはずが電気を食っていないかを現物で確認する工程が欠かせません。データが指し示すのは「見るべき場所」であって、原因の断定ではないという線引きを、現場と共有しておくことが大事だと考えます。稼働と消費のズレは工場の電力異常を検知する視点でも掘り下げられます。
改善策を打ったあと、単純に前後の電気代を比べても、気温や生産が変われば公平な比較になりません。ここでこそ相関分析の出番です。改善前に作ったベースラインモデルに改善後の気温・生産を入れて「もし何もしなければこれくらい使ったはず」を推定し、実測との差を効果とみなす——という考え方（前後の条件をそろえた比較）が、季節や繁忙に惑わされない検証になりうると考えます。ただしこれもモデル前提に依存する推定であり、複数月で安定して差が出るかを見て判断する慎重さが要ります。
要因分解ができていると、経営や本社への報告も「増えた◯割は猛暑と増産で説明でき、説明できない残りに対してこう手を打った」という筋の通ったストーリーになります。報告負担の軽減と、現場の改善の両方に効くのがこの手法の利点だと考えます。近年は、こうした残差の要約や気づきの言語化をローカルLLMに補助させ、担当者が解釈と判断に集中できるようにする試みも現実味を帯びてきています。
相関分析を継続運用に載せるとき、意外と論点になるのが「電力・生産・稼働・気温のデータをどこに集め、どこで計算するか」です。設備の稼働データや生産実績には社外に出しにくい情報が含まれることも多く、すべてをクラウドへ送る前提だと、情報システム部門やセキュリティの観点で立ち止まる現場は少なくありません。
一つの解として、分電盤や設備からのデータを工場内のエッジ機器で受け、突き合わせ・集約・残差計算といった重い前処理を現場側で済ませてしまう構成が考えられます。生データを外に出さず、必要な指標や要約だけを扱えば、ネットワークの負荷や情報の取り扱いの懸念を抑えつつ分析を回せる可能性があります。エッジAIによる工場内データ処理は、こうした工場内完結のデータ処理を志向する考え方です。
Nsightは、元キーエンス画像処理事業部の現場知見と、Jetsonなどのエッジ、産業用カメラ、PLC・センサー・IoT連携を組み合わせてきた背景から、画像検査だけでなく設備データの取り込みと現場での処理にも取り組んでいます。カメラによる設備の稼働状態の判定と電力データを突き合わせれば、稼働と消費のズレをより確かに切り分けられる可能性があります。ただしどの構成が最適かは設備構成・データ環境によって変わるため、現物での確認が前提になると考えます。
最後に、実際に手を動かすと出会いやすい落とし穴を整理します。どれも「知っていれば避けられるが、知らないと結論を誤る」類のものです。
いきなり全設備・全要因の精緻なモデルを目指すと、データ整備の負担で息切れしがちです。現実的には、影響が大きく切り分けの価値が高い設備を一つ選び、小さく始めるのが着実だと考えます。
たとえば空調や冷却系など、外気温の影響が読みやすい設備群を対象に、電力・気温・稼働を時間軸でそろえて散布図を描くだけでも、多くの気づきが得られます。ここで「気温でどこまで説明でき、どこから説明できないか」の感触をつかむことが、次の展開の判断材料になります。対象を絞った検証の設計は小規模PoCから始める相談の考え方が参考になると考えます。
環境要因の切り分けに手応えが出たら、生産量や品種を加え、製品あたり電力（原単位）で評価する段階へ進みます。ここまで来ると、拠点比較や月次報告も同じ土俵で語れるようになります。要因を差し引いた残差で異常予兆を追う運用へつなげれば、省エネと設備保全の両面に効いてくる可能性があります。
どこから手をつけるべきか、自社のデータで切り分けが成り立つのかは、実際のデータを一度見てみないと分からない部分が大きいのが正直なところです。まずは現物・現場のデータで小さく確かめるところから、ご一緒に検討できればと考えます。
相関は二つの量が一緒に動いているかを示すだけで、片方が原因だとまでは言えません。気温と生産が季節的に同時に動くと、見かけの相関が生じることもあります。要因を層別したり期間を分けたりして条件をそろえ、それでも残る関係を丁寧に確かめる姿勢が必要と考えます。因果の断定には現場での確認が前提になります。
外気温と電力の関係を、生産量などが近い条件で見て推定し、「この気温ならこれくらい」という期待値を描く方法が入口になります。ただし空調や冷却系は一定温度を超えると急に負荷が増えるなど直線的でないことが多く、散布図で関係の形を確かめることをおすすめします。少なくとも夏冬をまたぐ期間のデータで見る必要があると考えられます。
気温の影響を見るなら、季節をまたぐ期間が望ましいと考えます。数週間では季節性を語りにくく、推定が不安定になりやすいためです。一方、待機電力のような日内・週内のパターンなら、より短い期間でも傾向をつかめる場合があります。目的とする要因の周期に合わせて期間を決めるのが現実的だと考えます。
最初の切り分けは、電力・気温・生産を時間軸でそろえて散布図を描くところから始められ、高価な専用ツールが必須というわけではないと考えます。むしろ難所はツールより前処理（時刻と粒度をそろえ欠測を扱う工程）にあります。継続運用や自動化の段階で、エッジでの処理基盤や分析の仕組みを検討する流れが現実的だと考えます。
要因を切り分けて原単位で評価できると、増減の理由を筋道立てて説明しやすくなり、報告の説得力向上に役立つ可能性があります。ただし省エネ法やCO2算定の具体的な報告様式・算定係数・適用範囲は改定されることがあるため、所管省庁の最新の公表資料でご確認いただくことを前提としてください。分析はあくまで理解と改善を助ける補助と位置づけるのが誠実だと考えます。
「上がった原因が一つに絞れない」——その切り分けは、実際のデータを一度突き合わせてみないと分からない部分が大きいものです。対象設備を一つに絞り、電力と外気温・生産・稼働の相関から現物で確かめるところから、ご一緒に検討します。
電力の相関分析について相談する