IBM i Confluent łączą siły: modele szeregów czasowych dla inteligencji w czasie rzeczywistym

IBM we współpracy z Confluent wprowadza na rynek modele fundamentowe szeregów czasowych (TSFM), które mają zrewolucjonizować sposób, w jaki przedsiębiorstwa wykorzystują dane strumieniowe do podejmowania decyzji w czasie rzeczywistym. To innowacyjne rozwiązanie, dostępne początkowo w Confluent Cloud w ramach wczesnego dostępu, a następnie w Confluent Platform, ma na celu przyspieszenie procesów decyzyjnych w kluczowych obszarach, takich jak prognozowanie, wykrywanie anomalii, optymalizacja produkcji i inteligencja semantyczna.

Dotychczasowe podejście do analizy szeregów czasowych opierało się na tworzeniu pojedynczych, niestandardowych modeli, co wymagało miesięcy pracy ekspertów i było kosztowne. W efekcie firmy modelowały tylko najbardziej krytyczne dane, a resztę pokrywały marginesami bezpieczeństwa, co generowało dodatkowe koszty. Modele TSFM zmieniają ten paradygmat, oferując uogólnione rozwiązania, które mogą być stosowane do nieznanych wcześniej szeregów danych, bez potrzeby angażowania dużych zespołów analityków danych.

Nowa era inteligencji szeregów czasowych

Modele fundamentowe szeregów czasowych, trenowane na ogromnych i zróżnicowanych zbiorach danych, potrafią przewidywać przyszłe wartości, identyfikować odstępstwa od normy, znajdować podobne historyczne wzorce oraz sugerować optymalne ustawienia. Dzięki temu, zamiast budować skomplikowane projekty analityczne, użytkownicy mogą korzystać z gotowych funkcji do prognozowania, wykrywania anomalii, optymalizacji i inteligencji semantycznej. Przykładowo, w fabryce czekolady, model TSFM może prognozować wydajność linii produkcyjnej, wykrywać subtelne odchylenia w jej zachowaniu, znajdować podobne zdarzenia w historii zakładu i optymalizować ustawienia, wszystko to bez konieczności angażowania zespołu data science.

IBM wdrożył te modele najpierw we własnych produktach i operacjach, a następnie we współpracy z partnerami z branży cementowej, stalowej, papierniczej, spożywczej i telekomunikacyjnej. Wyniki potwierdzają ich skuteczność: każdy punkt procentowy dokładności przekłada się na miliony dolarów zysku, wzrost produktywności wynosi od 5 do 10 razy, a zadania wymagające wcześniej specjalistów mogą być teraz wykonywane przez ekspertów dziedzinowych.

Technologia i portfolio modeli

Integracja IBM Granite Time Series models z platformą Confluent umożliwia przetwarzanie danych strumieniowych w czasie rzeczywistym, bezpośrednio tam, gdzie dane powstają. Rozwiązanie to oferuje zero konfiguracji, wbudowane zarządzanie i wysoką efektywność. Modele są uruchamiane natywnie w Apache Flink® na Confluent, co zapewnia elastyczność, bezpieczeństwo i efektywność kosztową, unifikując przepływy danych i uczenia maszynowego.

IBM i Confluent oferują komplementarne portfolio czterech modeli fundamentowych szeregów czasowych, a nie jeden uniwersalny model, ponieważ różne decyzje wymagają różnych podejść. Modele te są dostępne w ramach wczesnego dostępu i można je wywoływać za pomocą istniejących funkcji Flink SQL: AI_FORECAST i AI_DETECT_ANOMALIES. Wystarczy zmienić jeden parametr SQL, aby przełączyć się między modelami, bez konieczności przeprojektowywania potoków danych. W skład portfolio wchodzą:

• PatchTST-FM: analizuje szeregi czasowe jak model językowy tekst, zwracając pełny rozkład danych.
• FlowState: utrzymuje bieżące podsumowanie danych, aktualizowane z każdym punktem, efektywnie przetwarzając dane o różnej częstotliwości.
• TTM: wykorzystuje małe sieci mieszające do analizy danych w czasie i między zmiennymi, co pozwala na obsługę setek tysięcy szeregów na CPU.
• TSPulse: łączy widoki czasowe i częstotliwościowe w jednym małym modelu wielozadaniowym do wykrywania anomalii, klasyfikacji, uzupełniania braków i wyszukiwania podobnych zdarzeń.

Modele te zostały zaprojektowane z myślą o efektywności, co pozwala na ich natywne uruchamianie w Confluent Cloud lub na własnych procesorach, z otwartymi wagami dostępnymi w Hugging Face Hub. IBM Granite zapewnia również korporacyjne ramy zarządzania AI, z przejrzystością pochodzenia modeli i licencjonowania.

Gdzie ląduje wartość: zastosowania w praktyce

Nowe możliwości skracają czas między zdarzeniem a jego zrozumieniem z dni do sekund, przekształcając sygnał w wyzwalacz dla innych systemów AI i procesów. Każda z czterech kluczowych dziedzin – prognozowanie, wykrywanie anomalii, optymalizacja i inteligencja semantyczna – jest pakowana jako funkcja, co upraszcza ich użycie.

• Prognozowanie i planowanie: Modele TSFM pozwalają na prognozowanie dla całych katalogów produktów, uwzględniając czynniki zewnętrzne, takie jak pogoda czy promocje. Zamiast pojedynczej linii, zwracają rozkład, co umożliwia lepsze zarządzanie poziomem usług i zapasami. Przekłada się to na mniejszą liczbę braków magazynowych, redukcję przecen, zadowolenie klientów i uwolnienie kapitału obrotowego.
• Wykrywanie anomalii: Jest to obszar o szerokim zastosowaniu, gdzie jedna pominięta anomalia może mieć poważne konsekwencje. W finansach, w przeciwieństwie do regułowych systemów, które są podatne na obejścia, modele TSFM potrafią wykrywać subtelne odstępstwa od normy w czasie rzeczywistym, np. w transakcjach kartą, zanim dojdzie do oszustwa.

Integracja zaawansowanych modeli szeregów czasowych IBM z platformą strumieniowania danych Confluent stanowi znaczący krok w kierunku demokratyzacji dostępu do inteligencji w czasie rzeczywistym. Umożliwia to firmom szybsze i bardziej precyzyjne reagowanie na zmieniające się warunki rynkowe i operacyjne, przekształcając surowe dane strumieniowe w konkretne działania biznesowe. W efekcie, decyzje, które wcześniej wymagały długich analiz i specjalistycznej wiedzy, mogą być teraz podejmowane automatycznie i efektywnie, co ma potencjał do fundamentalnej zmiany sposobu funkcjonowania przedsiębiorstw w wielu branżach.

Źródło: huggingface.co