追加学習なしに時系列予測ができるとして注目を集める「時系列基盤モデル（Time Series Foundation Model、TSFM）」。海外では製造業を中心に活用事例が増えつつある。米Hitachi Digital Services（HDS）と独シーメンス（Siemens）を例に、活用のメリットを見ていこう。
日立製作所グループの技術コンサルティング会社で北米を拠点とするHDSは、時系列基盤モデルのPoC（概念実証）を顧客企業と進めている。
予測結果を従来手法と比べたところ、時系列基盤モデルの方がより良い結果が得られたという。例えば、予測結果を工場の予知保全に利用したところ、機械1台当たりのダウンタイム発生件数が4件から2件へと半減。年間のダウンタイムを2000時間削減できるとする。
時系列基盤モデルが高い精度で予測できる理由の1つに、複数の異なるドメインのデータの関係性を解析できる点がある。例えば工場の湿度センサーの値が上がった場合、原因は工場設備の不備かもしれないし、外で雨が降っているからかもしれない。時系列基盤モデルでは、気象データのような外部データを追加することで、予測精度を高められる。
利用するモデルは顧客の希望により使い分ける。ビッグテックが公開している時系列基盤モデルにファインチューニングを施し、独自のモデルを構築することもあれば、業界や用途に特化したモデルを使うこともある。米スタンフォード大学らの研究チームが開発した、医療情報に特化したモデル「OpenTSLM」などが代表例だ。
HDSのEMEA地域 AI統括責任者 Centre for Architecture ＆ AI（CAAI）のVitor Domingos氏は「時系列基盤モデルは技術的に興味深いだけでなく、ビジネス面でも価値がある」と話す。
次のページ
予知保全プラットフォームに組み込んで提供この記事は有料会員限定です
