IBMは2026年11月18日(現地時間)、Confluentと協力し、5000万回以上ダウンロードされた同社の時系列ファウンデーションモデルをConfluent上でネイティブに提供開始した。これにより、Apache Flink(アパッチ・フリンク)を活用したストリーミングデータへのリアルタイム予測、異常検知、最適化が可能となる。
この時系列ファウンデーションモデルは、クラウドおよびオンプレミス環境でCPU上で動作する。Confluent Cloud(コンフルーエント・クラウド)ではフルマネージドサービスとして提供され、Confluent Platform for Apache Flink(コンフルーエント・プラットフォーム・フォー・アパッチ・フリンク)を使用すればオンプレミス環境のインフラ内で稼働できる。専用のGPU(グラフィック処理ユニット)インフラを必要としない。
時系列ファウンデーションモデルは、テキストや画像に適用されるファウンデーションモデルと同様に、多様な履歴データから一般的なパターンを学習し、その知識を新しい時系列やタスクに適用する。これにより、個別の時系列ごとにモデルを訓練する必要がなく、開発の手間を削減する。
本モデルは、製造業、小売業、銀行、航空会社といった幅広い分野のミッションクリティカルなユースケースに対応する。Streamhouse(ストリームハウス)アーキテクチャ内では、データが流れると同時にApache Flinkがデータを準備し、予測や異常検知を実行。結果を関連イベントと共に利用可能にする。
具体的な応用例として、アイスクリーム製造ラインにおける生産最適化がある。TTM model(TTMモデル)はSCADA(監視制御とデータ収集)テレメトリと品質保証の測定値を10分ごとに読み取り、4時間先の製品品質を予測する。予測が目標を下回った場合、最適化プロセスが冷凍庫の温度と気流の組み合わせを評価し、運用担当者に推奨設定値を提示する。
また、数千の製品と数百の店舗にわたる販売状況の監視における異常検知にも利用できる。AI_DETECT_ANOMALIESは、各販売時系列に期待される範囲を設定し、新たな読み取り値がこの範囲を外れた場合にアラートを発する。これにより、在庫データや店舗データと組み合わせて原因を特定し、棚の確認や在庫補充といった次の行動を推奨する。
参考: Hugging Face Blog (アーカイブ) — 2026年11月19日 00:00 (JST)
原文ハイライト"Time-series foundation models extend a similar idea to numerical data"