雨の日に混む商売だと、支配人はもう知っている。
その見込みを、あすのボイラー運転に生かす。

雨の日は混む。よく晴れた休日は、みんな外へ出かけるので空く。支配人に聞けば即答が返ってきます。ところが、その見込みが釜の運転計画には反映されていません。朝の火入れは開店の何時間前と決めて何年も同じ、日中の追い焚きも当番の勘。混雑の見込みを、燃料の使用量の調整に生かせていないのがこの業務の困りどころです。

燃料費の高騰は、この数年ずっと温浴施設の首を絞めてきました。重油の単価が上がれば、同じ湯を沸かすだけで去年より支払いが増える。ろ過ポンプは24時間まわり続けます。それでも打てる手はあります。省エネの世界では前から言われていることで、ボイラーは負荷に合わせて運転する、台数を制御する、運転のスケジュールを組み直す、運転のデータを見える形にする。どれも設備を買い替えずにできる話です。ただし「あすの負荷」が分からなければ、負荷に合わせようがない。翌日の見込みがなければ、担当者もどの時間帯の運転を調整すべきか判断できません。

ここに入館者数を予測するAIを入れます。支配人の頭の中にある「雨だから混む」「行楽日和は空く」という感覚は、そのままでは釜場にも当番表にも渡せません。券売機に残っている過去2〜3年ぶんの入館記録を、曜日・祝日の並び・気温・降水・降雪と突き合わせる。そこから、それぞれの事情があすの人数を何人ぶん動かすのかを数字にします。この想定例では、雨の日に入館者が増えます。天気の影響は業種や施設で異なるため、対象施設の記録で確かめます。湯を沸かすのは、これまで通り人の仕事です。AIは、担当者が前日の夕方に運転計画を決めるための予測と根拠を示します。

使う材料は施設の中にだいたい揃っています。券売機やレジから出せる入館の記録に、曜日と祝日の並び。館内飲食の売上も、あとから足せます。外から足すのは気象で、気温・降水・降雪・風のほかに、翌日の予報も材料に入れます。北海道の冬は、この予報の扱いが少し変わります。冷えるほど人が来る一方で、降り方がひどければそもそも車で来られない。どこかに折り返し点があるはずで、それが何センチなのかは施設ごとに違います。当社が決め打ちで置く数字にはせず、その施設の過去のデータから探します。

AIの作りは派手なものにしません。扱うのは2時間ごとの入館者数、つまり数え上げのデータです。曜日・祝日・季節の周期を土台に置いて、気温や天気の影響を足し引きする形から始めます。予測させる単位は、1日の合計にしません。合計人数だけ当てても、釜の段取りは決まらないからです。夕方6時に混む日と、昼過ぎに混んで夜は空く日。同じ800人でも、沸かし方がまるで違います。時間帯まで割ると学習に使える件数も一気に増えて、1年で365件しかなかった記録が2,500件を超えます。作ったら必ず、先月の各時間帯をAIに予測させて実際とどれだけずれたかを支配人と一緒に見ます。幅を狭くして当てにいくより、外したときに理由が言えることを優先します。

予測は1つの数字にしません。「あす16〜18時 185〜230人」の幅で出します。そのうえで、予測は必ず期限のついた決めごとの形にして出します。あすの運転を「早出し」「いつも」「絞り」の3つから1つ選ぶ、それだけです。3つにはそれぞれ火入れの時刻・2缶目を入れる時間帯・清掃・受付スタッフの出勤時刻がひとまとめに紐づいていて、選べば当番表の側が書き換わります。締切は前日17時。夜勤への申し送りと、パートへの連絡が間に合う最後の時刻から逆算して置きます。時刻を過ぎたら選択肢が消えて「いつも」で確定する作りにして、決め損ねたまま朝を迎えることをなくします。決めるのは支配人です。予測が外れた日には一言だけ理由を残してもらい、次の予測を見直す際に使います。