# メーター検針データ異常検知 — 運用ガイド

## 基本情報

| 項目 | 内容 |
|------|------|
| 業種 | 水道局 |
| ユースケース | メーター検針データ異常検知 |
| WFパターン | `start → code(異常検出) → llm(報告書生成) → end` |
| RAG | なし |
| 検証結果 | E2E pass |
| デモURL例 | http://localhost/workflow/whyUcZLFmFZeQMus |

## 概要

毎月の検針データから異常使用量を自動検出。漏水・不正・メータ故障の早期発見で水道事業の損失を低減。

## デモ手順

1. DDF Web UI (`/dashboard`) を開く
2. 「メーター検針データ異常検知」の「デモ生成」ボタンをクリック
3. 業種「水道局」、UC「メーター検針データ異常検知」が自動入力される
4. 「デモ生成開始」をクリック
5. 生成完了後、デモURLを顧客に共有


## テスト入力例

### 入力例1
```
顧客ID,前月使用量,当月使用量,前年同月使用量,使用形態
W001,15,18,16,一般家庭
W002,20,55,22,一般家庭
W003,30,5,28,一般家庭
W004,25,28,24,一般家庭
W005,10,32,11,一般家庭
```


## 顧客への説明ポイント

- 「これは自動生成されたプロトタイプです。本番利用には追加の設計・開発が必要です」
- 「御社の実データ/ドキュメントを使えば、さらに精度の高いデモをお見せできます」
- 「Self-hostedなので、御社のデータは外部に出ません」

## AI品質評価コメント

この出力は全ての合格基準を満たしています。
1. 出力は「水道メーター検針データ異常顧客業務報告書」として、意味のある構造化されたテキストで返されています。
2. 水道メーターの異常使用量検出というユースケースのテーマに完全に合致しており、異常顧客の分析と推奨対応が詳細に記述されています。
3. 報告書の構成、内容、専門用語の使用を含め、顧客デモとして十分な品質があります。
4. 入力クエリの固有要素である顧客ID (W001, W002, W003, W004, W005) に具体的に言及しています。また、ユースケース要件で定義された「前月比150%超または50%未満を『異常』」「前年同月比200%超は『要漏水調査』、50%未満は『不在・節水・メータ故障の可能性』」といった条件に対応する具体的な数値（例: 250%を超える大幅な使用量増加、20%を下回る大幅な使用量減少）に基づいて推定原因と推奨対応を提示しており、LLMノードが前段のCodeノードでのフラグ付けとラベル付けの結果を適切に解釈・活用していることが示されています。
5. 汎用的なテンプレートではなく、提供された異常顧客リストのデータ（想定される入力）に基づいて具体的な分析、推定原因、および優先順位付けされた推奨対応が生成されており、個別性が高く実用的な内容となっています。

## 次のステップ（受託提案）

1. 顧客の実データでカスタマイズデモ（POC: 5-10万円）
2. 本番環境設計・構築（受託開発）
3. 既存システム（kintone/Salesforce等）とのAPI連携
4. 運用保守サポート