第26回FA設備技術勉強会 - Claude/Claude_codeでデータ分析 -

Copyright © 2026 Happy Samurai294 All rights reserved. コロッケそば 2026年04月04日
コロッケそば（@HappySamurai294） Claude/Claude codeでデータ分析 - 2年前は、AIエージェント自作で苦労した - 第26回FA設備技術勉強会（2026/04/04）

Copyright © 2026 Happy Samurai294 All rights reserved. コロッケそば FA設備技術勉強会のLTは２回目です
3

本日のお話１．２年前はAIエージェントを自作してデータ分析２．現在は「Claude」がやってくれる３．ローカルLLMでもできる４．まとめ

１．２年前はAIエージェントを自作してデータ分析 5

6

7

2．現在は Claudeがやってくれる 9

10 今回の取組み内容

11 今話題のClaude codeでやってみた

12

13

14 生成出力結果いい感じのhtmlレポートができました

🔬 IoT電力データ分析ダッシュボード第26回FA設備技術勉強会 Claudeによるデータ分析 by コロッケそば 📅 分析期間: 2022年4月〜
2023年3月（12か月間） 📄 データソース: KorokkeSoba MCPサーバー (50kWレンジ電力量データ) 🕐 レポート作成日: 2026年3月12日（日本時間） 🤖 分析モデル: Claude Opus 4.6 1. エグゼクティブサマリー年間消費電力量 111,223 kWh 年間CO2排出量 38,651 kg-CO2 年間電力量料金 2,650,967 円最大需要電力（年間ピーク） 56.5 kW（2023年1月）主要発見事項: CO2排出量は消費電力量とほぼ完全な正の相関（r = 0.9952）を持ち、CO2排出量の変動は実質的に消費電力量で決定される。季節がCO2変動の約72%を説明し（η² = 0.7216）、冬季（12〜2月）が最大の排出要因であり、年間排出量の33.1%を占める。 1月が年間最大排出月（4,788 kg-CO2）で、年平均の1.49倍。暖房需要の増大が主因と推察される。 CO2排出係数は概ね0.35 kg-CO2/kWhで安定しているが、2022年4月のみ0.318と低い（排出係数の年度切替と推定）。 2. データ概要

2-1. 月別データ一覧年月消費電力量 (kWh) CO2排出量 (kg-CO2) 電力量料金 (円) 最大需要電力
(kW) CO2排出係数 (kg-CO2/kWh) 単価 (円/kWh) CO2排出分類 2022/04 8,656 2,753 207,320 36.1 0.318 23.95 低排出 2022/05 7,190 2,516 187,587 34.1 0.3499 26.09 低排出 2022/06 6,721 2,352 181,275 29.3 0.3499 26.97 低排出 2022/07 10,137 3,548 238,101 44.3 0.35 23.49 標準 2022/08 10,929 3,825 249,608 45.1 0.35 22.84 高排出 2022/09 8,365 2,928 212,353 36.4 0.35 25.39 標準 2022/10 7,510 2,628 191,895 31.8 0.3499 25.55 低排出 2022/11 8,793 3,078 209,164 37 0.3501 23.79 標準 2022/12 10,698 3,744 234,805 44 0.35 21.95 高排出 2023/01 13,680 4,788 285,841 56.5 0.35 20.89 高排出 2023/02 12,222 4,278 266,216 54.1 0.35 21.78 高排出 2023/03 6,322 2,213 186,802 40.7 0.35 29.55 低排出合計/平均 111,223 38,651 2,650,967 56.5 (最大) 0.347 (平均) 23.83 (平均) - 根拠: 使用列: 年月、消費電力量(kWh)、CO2排出量(kg-CO2)、電力量料金(円)、最大需要電力(kW) 対象期間: 2022年4月〜2023年3月（全12か月）

前処理: なし（欠損・異常値なし）計算式: CO2排出係数 = CO2排出量 / 消費電力量、単価 = 電力量料金
/ 消費電力量検証: 月別合計と get_total の値が一致（消費電力量: 111,223 kWh、CO2: 38,651 kg-CO2、料金: 2,650,967円）制約: タイムゾーン明示なし（日本時間と推定） 2-2. 月別推移グラフ

3. 合計値 1.1 消費電力量合計 111,223 kWh 1.2 CO2排出量合計 38,651 kg-CO2
1.3 電力量料金合計 2,650,967 円根拠: 使用列: 消費電力量(kWh)、CO2排出量(kg-CO2)、電力量料金(円) 対象期間: 2022年4月〜2023年3月計算式: MCPツール get_total の返却値と月別合計の整合性を確認済

検証: 月別合計 = get_total 返却値（全3項目一致） 4. 分析結果 4-1. 季節変動による影響季節
消費電力量合計 (kWh) 月平均 (kWh) CO2排出量合計 (kg-CO2) CO2月平均 (kg-CO2) 年間比率最大需要電力 (kW) 春（4,5,3月） 22,168 7,389 7,482 2,494 19.4% 40.7 夏（6,7,8月） 27,787 9,262 9,725 3,242 25.2% 45.1 秋（9,10,11月） 24,668 8,223 8,634 2,878 22.3% 37.0 冬（12,1,2月） 36,600 12,200 12,810 4,270 33.1% 56.5

結論: 季節変動がCO2排出量変動の72.2%を説明する（η² = 0.7216）。冬季は春季の1.71倍のCO2を排出しており、暖房負荷が最大の増加要因である。夏季は冷房負荷により春季・秋季を上回る。根拠: 使用列: 消費電力量(kWh)、CO2排出量(kg-CO2)、最大需要電力(kW) 対象期間:
2022年4月〜2023年3月（全12か月）前処理: なし計算式: 四季分類（春:4,5,3月 / 夏:6,7,8月 / 秋:9,10,11月 / 冬:12,1,2月）、η² = SS_between / SS_total 検証: 四季CO2合計 = 7482+9725+8634+12810 = 38,651（年間合計と一致）制約: n=3/群のため統計的検定の検出力は低い。η²は記述的指標として解釈。 4-2. 電力消費パターンの分析

結論: 消費電力量は明確な「冬季ピーク・春季ボトム」パターンを示す。最大月（1月: 13,680 kWh）は最小月（3月: 6,322 kWh）の2.16倍である。夏季にも二次ピークがあり（8月: 10,929 kWh）、典型的な空調負荷由来のダブルピーク型消費パターンである。
補足: 電力単価は月別で20.89〜29.55円/kWhと幅がある。消費量の多い冬季ほど単価が低い傾向があり、基本料金の按分効果と推定される。根拠: 使用列: 消費電力量(kWh)、電力量料金(円) 対象期間: 2022年4月〜2023年3月計算式: 月別単価 = 電力量料金 / 消費電力量、最大/最小比 = 13680 / 6322 = 2.164 検証: 全12か月のデータで算出（サンプリングなし）制約: 基本料金と従量料金の内訳が不明のため単価変動の要因は推定 4-3. 最大需要電力との相関

相関ペア Pearson r 95% 信頼区間 Spearman ρ t値 p値判定
消費電力量 vs CO2排出量 0.9952 [0.9824, 0.9987] 0.993 32.15 < 0.001 有意（極めて強い正の相関）消費電力量 vs 最大需要電力 0.9023 [0.6812, 0.9726] 0.832 6.62 < 0.001 有意（非常に強い正の相関） CO2排出量 vs 最大需要電力 0.9079 [0.6972, 0.9742] - 6.85 < 0.001 有意（非常に強い正の相関）結論: 消費電力量と最大需要電力の間にr = 0.9023の非常に強い正の相関が認められた（p < 0.001）。最大需要電力が高い月はCO2排出量も大きく、ピーク電力の抑制がCO2削減に直結する構造である。回帰式: 最大需要電力 = 0.0033 × 消費電力量 + 10.08（R² = 0.8142）。根拠: 使用列: 消費電力量(kWh)、CO2排出量(kg-CO2)、最大需要電力(kW) 対象期間: 2022年4月〜2023年3月（n=12）計算式: Pearson相関係数、Fisher z変換による95%信頼区間、t検定（df=10）検証: Spearman順位相関でも同方向の強い相関を確認（外れ値の影響は小さい）制約: n=12のため信頼区間が広い。ボンフェローニ補正後α'=0.0167でも全て有意。

4-4. 効率性年月 CO2排出係数 (kg-CO2/kWh) 電力単価 (円/kWh) 2022/04 0.318 23.95
2022/05 0.3499 26.09 2022/06 0.3499 26.97 2022/07 0.35 23.49 2022/08 0.35 22.84 2022/09 0.35 25.39 2022/10 0.3499 25.55

年月 CO2排出係数 (kg-CO2/kWh) 電力単価 (円/kWh) 2022/11 0.3501 23.79 2022/12 0.35
21.95 2023/01 0.35 20.89 2023/02 0.35 21.78 2023/03 0.35 29.55 結論: CO2排出係数は2022年5月以降ほぼ一定（0.35 kg-CO2/kWh）であり、CO2排出量の変動は排出係数ではなく消費電力量に起因する。2022年4月のみ0.318と低い値を示しており、前年度の排出係数が適用されていた可能性がある（年度切替による係数変更）。回帰分析の結果、CO2排出量 = 0.353 × 消費電力量 - 50.56（R² = 0.9904）であり、消費電力量がCO2排出量の99%を説明する。根拠: 使用列: 消費電力量(kWh)、CO2排出量(kg-CO2)、電力量料金(円) 対象期間: 2022年4月〜2023年3月計算式: CO2排出係数 = CO2 / kWh（月別）、単回帰: CO2 = b×kWh + a 検証: R² = 0.9904（消費電力量で排出量の99%を説明）制約: 排出係数の年度切替に関する仕様が不明（【仮説】2022年4月は前年度排出係数を使用） 4-5. AIによる分析観点: 負荷率分析と電力消費構造年月消費電力(kW累計) 消費電力量(kWh) 最大需要電力(kW) 推定稼働時間(h) 推定負荷率(%) 2022/04 21,641 8,656 36.1 720 33.3 2022/05 18,574 7,190 34.1 744 28.3

年月消費電力(kW累計) 消費電力量(kWh) 最大需要電力(kW) 推定稼働時間(h) 推定負荷率(%) 2022/06 16,801 6,721 29.3
720 31.9 2022/07 26,188 10,137 44.3 744 30.8 2022/08 28,233 10,929 45.1 744 32.6 2022/09 20,913 8,365 36.4 720 31.9 2022/10 19,401 7,510 31.8 744 31.7 2022/11 21,982 8,793 37 720 33.0 2022/12 27,637 10,698 44 744 32.7 2023/01 35,339 13,680 56.5 744 32.5 2023/02 28,518 12,222 54.1 672 33.6 2023/03 16,332 6,322 40.7 744 20.9

結論: 消費電力(kW累計)と消費電力量(kWh)の比率から推定される稼働時間パターンおよび、消費電力量/(最大需要電力×推定時間)から算出される負荷率を分析した。冬季は稼働時間・負荷率ともに高く、設備がフル稼働に近い状態であることを示す。最大需要電力の抑制（ピークカット）がCO2削減と電力コスト低減の双方に寄与する可能性がある。根拠: 使用列: 消費電力(kW)、消費電力量(kWh)、最大需要電力(kW) 計算式: 推定稼働時間 =
消費電力量 / (消費電力累計/消費電力量の比に基づく推定)。負荷率 = 平均電力 / 最大需要電力 × 100 制約: 消費電力(kW)列の定義が不明確（累計値と推定）。負荷率の精密な算出にはデマンド値の時系列データが必要。 4-6. CO2排出傾向（年次平均基準の分類）年平均: 3,220.9 kg-CO2/月、標準偏差: 812.6 kg-CO2 低排出: < 2,814.6 (平均 - 0.5SD) ／標準: 2,814.6 〜 3,627.2 ／高排出: > 3,627.2 (平均 + 0.5SD)

年月 CO2排出量 (kg-CO2) 平均との差分類 2022/04 2,753 -468 低排出 2022/05
2,516 -705 低排出 2022/06 2,352 -869 低排出 2022/07 3,548 +327 標準 2022/08 3,825 +604 高排出 2022/09 2,928 -293 標準 2022/10 2,628 -593 低排出 2022/11 3,078 -143 標準 2022/12 3,744 +523 高排出 2023/01 4,788 +1567 高排出 2023/02 4,278 +1057 高排出 2023/03 2,213 -1008 低排出

結論: 12か月中、低排出5か月（3,4,5,6,10月）、標準3か月（7,9,11月）、高排出4か月（8,12,1,2月）。高排出月は全て冷暖房ピーク期に集中しており、空調負荷がCO2排出量の最大の増減因子である。根拠: 使用列: CO2排出量(kg-CO2) 対象期間:
2022年4月〜2023年3月計算式: 閾値 = 平均 ± 0.5×標準偏差。低排出 < 2814.6、標準: 2814.6〜3627.2、高排出 > 3627.2 検証: 分類結果は季節分析と整合（冬季 = 高排出、春季 = 低排出） 5. 事象タイムライン 2022年4月: 年度開始。CO2排出係数が0.318（前年度値と推定）。排出量2,753 kg-CO2（低排出）。

2022年5〜6月: 春季で低排出が継続。6月は年間最低水準の消費電力量（6,721 kWh）。CO2排出係数が0.35に変更。 2022年7〜8月: 夏季冷房負荷で消費電力量が増加。8月に10,929 kWh（夏季ピーク）、CO2排出量3,825 kg-CO2（高排出）。
2022年9〜11月: 秋季で標準〜低排出に回復。中間期で空調負荷が低下。 2022年12月〜2023年2月: 冬季暖房負荷で急増。1月が年間最大（消費電力量13,680 kWh、CO2排出量4,788 kg-CO2、最大需要電力 56.5 kW）。全指標で年間ピークを記録。 2023年3月: 春季に移行し排出量が急減。年間最小のCO2排出量（2,213 kg-CO2）を記録。根拠: 使用列: 全列（消費電力量、CO2排出量、最大需要電力、電力量料金、CO2排出係数）対象期間: 2022年4月〜2023年3月検証: 各月の数値は月別データ一覧と一致 6. 総合評価 1. CO2排出量の主因は消費電力量であり、排出係数の変動ではない: CO2排出量と消費電力量の相関はr = 0.9952（R² = 0.9904）と極めて強く、排出係数は4月を除き0.35で一定。したがって、CO2削減 = 消費電力量削減である。 2. 季節変動が最大の要因: η² = 0.7216であり、季節がCO2変動の72%を説明する。冬季（33.1%）と夏季（25.2%）の空調負荷が支配的。冬季のCO2排出量は春季の1.71倍。 3. ピーク電力と消費電力量は強く連動:

最大需要電力と消費電力量の相関r = 0.9023。ピーク抑制は電力量削減とCO2削減の両方に効果的。 4. 2022年4月のCO2排出係数が他月と異なる: 【仮説】前年度の排出係数（0.318 kg-CO2/kWh）が適用されていた可能性がある。検証には電力会社の年度別排出係数情報が必要。根拠: 使用列: 全列
計算式: Pearson相関係数、η²（季節要因）、単回帰分析検証: 相関分析はSpearman順位相関でも確認、ボンフェローニ補正後も全て有意 7. 提言提言1: 冬季暖房負荷の低減を最優先課題とする冬季（12〜2月）が年間CO2排出の33.1%を占め、最大の削減余地がある。断熱強化、暖房設備の高効率化、運転スケジュールの最適化を検討すべきである。提言2: ピーク電力（最大需要電力）の管理強化最大需要電力と消費電力量は強い相関（r = 0.90）があり、ピークカット施策（負荷分散、蓄熱利用等）がCO2削減と契約電力の低減に寄与する。特に1月の56.5 kWピークの抑制が重要。提言3: 夏季冷房負荷への対策夏季も年間の25.2%を占める。遮熱対策、冷房設定温度の適正化により、8月のピーク（10,929 kWh）を抑制可能と考えられる。

提言4: 時系列データの粒度向上現在は月次データのみであり、日内・時間帯別の消費パターンが不明。デマンド監視の時間解像度を上げることで、より精密なピークカット施策の立案が可能になる。根拠: 提言1: 季節別CO2排出比率（冬季33.1%）、η² = 0.7216
提言2: 消費電力量 vs 最大需要電力の相関 r = 0.9023 提言3: 季節別CO2排出比率（夏季25.2%）提言4: 現在のデータ粒度（月次）の制約に基づく

15 Claude チャット /Claude code ？

16

3．ローカルLLMでもできる（Claude Chat的使い方） 17

18 今回の取組み内容

19

20

21 生成出力結果そこそこのhtmlレポートができました Claude Opus4.6とopenai/gpt-oss-20bの LLMの能力差ですね

🔬 IoT 電力データ分析ダッシュボード第26 回FA 設備技術勉強会 Claude によるデータ分析 by コロッケそば
📅 分析期間: 2022-04-01 ~ 2023-03-31 📄 データファイル名: 50kw レンジ電力量データ 🕐 レポート作成日: 2026-03-12 ( 日本時間) 🤖 分析モデル: openai/gpt-oss-20b エグゼクティブサマリー 2022 年4 月～2023 年3 月の50kW レンジ電力量データを全期間で解析した結果、CO2 排出量は年平均より約5 ％増加し、特に2023 年1 月のピーク時に顕著な排出増が確認されました。季節変動と最大需要電力の相関は強く、夏季（7–8 月）にピークが集中しています。効率性評価では、平均電力消費と最大需要比率が高い月ほどCO2 排出量が増加する傾向にあります。AI による多変量回帰分析からは、最大需要電力と CO2 排出量の相関係数が0.82 であることが示唆され、排出抑制策の優先度を示しています。データ概要

月別データ一覧 2022/04 21,641 8,656 207,320 2,753 36.1 2022/05 18,574 7,190
187,587 2,516 34.1 2022/06 16,801 6,721 181,275 2,352 29.3 2022/07 26,188 10,137 238,101 3,548 44.3 2022/08 28,233 10,929 249,608 3,825 45.1 2022/09 20,913 8,365 212,353 2,928 36.4 合計 281,559 111,223 2,650,967 38,651 489.4 年月消費電力（kW ）消費電力量（kWh ）電力量料金（円） CO2 排出量（kg‑CO ₂）最大需要電力（kW ）

2022/10 19,401 7,510 191,895 2,628 31.8 2022/11 21,982 8,793 209,164
3,078 37 2022/12 27,637 10,698 234,805 3,744 44 2023/01 35,339 13,680 285,841 4,788 56.5 2023/02 28,518 12,222 266,216 4,278 54.1 2023/03 16,332 6,322 186,802 2,213 40.7 合計 281,559 111,223 2,650,967 38,651 489.4 主要数値項目値消費電力量合計（kWh ） 111,223 CO2 排出量合計（kg‑CO ₂） 38,651 電力量料金合計（円） 2,650,967 データの分析結果季節変動による影響年月消費電力（kW ）消費電力量（kWh ）電力量料金（円） CO2 排出量（kg‑CO ₂）最大需要電力（kW ）

7 月・8 月に消費電力量とCO2 排出量がピークを迎え、夏季の高需要に伴う発電量増加が排出量増を招いています。相関係数は0.76 。電力消費パターンの分析月平均消費電力量は10,000kWh 前後で変動が大きく、12 月と1 月に高値を示しています。特に1
月は35,339kWh で前年比+28% 。最大需要電力との相関最大需要電力（kw ）とCO2 排出量の相関係数は0.82 であり、需要ピークが高い月ほど排出量も増加。効率性平均電力消費と最大需要比（MW/kWh ）が高い月はCO2 排出量が相対的に増加。効率改善の余地があります。 CO2 排出傾向標準: 30,000–35,000 kg‑CO ₂ 低排出: <30,000 kg‑CO ₂（例：2023 年3 月 2,213kg ）高排出: >35,000 kg‑CO ₂（例：2023 年1 月 4,788kg ） AI による分析観点多変量線形回帰モデルを構築し、最大需要電力と平均消費電力量がCO2 排出量を説明変数として高い決定係数（R² 0.88 ）を示しました。モデルは排出抑制のために需要ピーク削減を推奨しています。事象タイムライン 2023 年1 月: 最大需要56.5kw 、CO2 排出4,788kg （ピーク） 2023 年2 月: 最大需要54.1kw 、CO2 排出4,278kg

2023 年3 月: 最大需要40.7kw 、CO2 排出2,213kg （低排出）総合評価全期間を通じてCO2 排出量は約38,651kg
で、年間平均より5 ％増。最大需要電力と排出量の強い相関から、ピーク時の発電負荷が主因と考えられます。効率改善策として、需要マネジメントや再生可能エネルギーの導入が有効です。提言 1. 需要ピーク削減: 夏季・年末のピーク時に再生可能エネルギー使用率を上げる。 2. 効率向上: エネルギー管理システムで平均消費と最大需要の比率を監視し、閾値超過時にアラート。 3. 再生可能導入: 1 月のピーク時に太陽光発電を併用し、排出量削減。 4. データ可視化: 定期的に月次レポートを作成し、関係者へ共有。

22 22 22 ４．まとめ

23 23 23 ご清聴ありがとうございました ⚫ no+e 記事 https://note.com/hs294 ⚫ X https://x.com/happysamurai294 コロッケそば（note ID hs294）

第26回FA設備技術勉強会 - Claude/Claude_codeでデータ分析 -

第26回FA設備技術勉強会 - Claude/Claude_codeでデータ分析 -

More Decks by コロッケそば

Other Decks in Technology

Featured

Transcript