AIモデルのアルゴリズムを理解する

異常検知 — IBM Granite TSPulse

TSPulseとは？

TSPulse（Time-Series Pulse）は、IBMが開発した時系列異常検知基盤モデルです。センサーデータのように時系列で入力されるデータから正常パターンを学習し、パターンから外れた区間を異常として検知します。

動作原理：再構成誤差ベース

TSPulseは、**「正常データを正しく復元できるなら、復元できない区間は異常である」**という原理で動作します。

① 학습 (정상 패턴 학습)

입력 시계열: [23.1, 23.2, 23.0, 23.3, 23.1, ...]  ← 정상 온도 패턴
                    │
                    ▼
            ┌──────────────┐
            │   인코더      │  데이터를 압축된 표현으로 변환
            │  (Encoder)    │
            └──────┬───────┘
                   │
            ┌──────┴───────┐
            │   잠재 공간    │  핵심 패턴만 남긴 압축 표현
            │  (Latent)     │
            └──────┬───────┘
                   │
            ┌──────┴───────┐
            │   디코더      │  압축 표현에서 원래 데이터 복원
            │  (Decoder)    │
            └──────┬───────┘
                   │
                   ▼
재구성 출력: [23.0, 23.2, 23.1, 23.2, 23.1, ...]  ← 거의 같음!

재구성 오류 = |원본 - 재구성| = [0.1, 0.0, 0.1, 0.1, 0.0]  ← 매우 작음 → 정상

② 이상 탐지

입력 시계열: [23.1, 23.2, 87.5, 23.3, 23.1, ...]  ← 갑자기 87.5도!
                    │
                    ▼
            [인코더 → 잠재 공간 → 디코더]
                    │
                    ▼
재구성 출력: [23.0, 23.2, 23.4, 23.2, 23.1, ...]  ← 87.5를 복원 못함

재구성 오류 = [0.1, 0.0, 64.1, 0.1, 0.0]
                          ↑
                     이상 점수 높음! → 이상 탐지됨

主要概念

概念	説明	例え
再構成誤差	元データと復元データの差	コピー機は原稿を正しくコピーできるが、異常な部分はコピーできない
補正スコア	再構成誤差が通常時（基準区間）の変動の何倍に相当するかを示すロバストzスコア	「通常時より5倍大きく変動している」
しきい値 (threshold)	異常と判定する補正スコアの基準値 — 設備センサーのデフォルトは5.0	「ここまでは正常、これを超えると異常」という基準線

threshold=0 は「自動」ではありません

以前のドキュメントでは、0を指定するとしきい値が自動的に決まると説明していました。現在の設備センサーのスコアは基準 中央値が0となる尺度のため、0を指定すると、通常時より少し高いだけでもすべて異常としてカウントされます。特別な理由が ない限り、threshold は省略してデフォルト値（5.0）を使用してください。

基準は「分析ウィンドウの直前」です

同じ呼び出し内で、分析ウィンドウの直前区間における再構成誤差から中央値とMADを算出します。そのため、設備ごと、 タグごとに個別の「通常時」が設定されます。基準区間が短すぎるタグについてはスコアを算出せず、理由を付けて 空欄のままにします。0では埋めません。

• 状態タグ（運転／停止など）は対象から除外します。
• カウンタータグは累積値ではなく、5間隔分の増分の平均で評価します。生産停止は増分0として現れます。
• 集計・平滑化ウィンドウは、設備センサーの基準で8 / 4です。

PlantPulseでの活用

센서 데이터 (최근 N분)
    │
    ▼
TSPulse 모델에 입력
    │
    ▼
각 시점별 재구성 오류 계산
    │
    ▼
임계값 초과 구간 = 이상 구간
    │
    ├──▶ 이상 메트릭 상위 K개 추출 (top_k)
    ├──▶ 이상 점수 및 시간 정보 반환
    └──▶ 최근 N초 이내 이상 여부 판정 (recent_seconds)

---

時系列予測 — TinyTimeMixer (TTM)

TTMとは？

TinyTimeMixerは、IBMが開発した軽量な時系列予測モデルです。過去のデータパターンを学習し、将来の値を予測します。「Tiny」という名前のとおり、少ないリソースでも高い性能を発揮します。

PlantPulseに搭載されているのはGranite-TTM R3（512-96-dec-512-r3）です。トレンドと残差を 分離して予測する分解予測（TinyTimeMixerForDecomposedPrediction）世代です。旧世代のR2も イメージに同梱されているため、設定を1行変更するだけで切り替えられます → 時系列インサイト

動作原理：Mixerアーキテクチャ

TTMは、MLP-Mixer構造を時系列に適用したモデルです。

과거 데이터 (Context Window)          예측 (Prediction Window)
┌──────────────────────────┐     ┌──────────────────┐
│ t-512  t-511  ...   t-1  t │ →  │ t+1  t+2  ... t+96 │
└──────────────────────────┘     └──────────────────┘
        입력 (512 스텝)                출력 (96 스텝)

予測プロセス

① 시간축 믹싱 (Time Mixing)
   "과거 패턴에서 시간적 관계를 파악"

   - 새벽에는 온도가 낮고, 낮에는 높다 (일주기)
   - 월요일에 가동률이 높다 (주주기)
   - 점점 온도가 올라가는 추세 (트렌드)

② 채널 믹싱 (Channel Mixing)
   "여러 센서 간의 관계를 파악"

   - 전력 소비가 올라가면 → 온도도 올라간다
   - 진동이 커지면 → 알람 빈도도 높아진다

③ 예측 생성
   시간 패턴 + 센서 관계를 종합하여 미래 값 예측
   신뢰구간(상한/하한)도 함께 제공

主要概念

概念	説明	例え
コンテキスト長	予測に使用する過去データの量	過去数日分を見て明日の天気を予測する
予測長	将来の何ステップ先まで予測するか	今後数日分の天気を予測する
信頼区間	予測値の上限／下限の範囲	「明日の気温は20～25度の範囲になる」
多変量	複数のセンサーを同時に考慮	温度＋圧力＋振動をまとめて予測する

予測結果の例

시간     │ 실제값  │ 예측값  │ 하한   │ 상한
─────────┼────────┼────────┼───────┼───────
14:00    │ 23.1   │ -      │ -     │ -      ← 과거 (실제 데이터)
14:10    │ 23.3   │ -      │ -     │ -
14:20    │ 23.2   │ -      │ -     │ -
─────────┼────────┼────────┼───────┼───────
14:30    │ ?      │ 23.4   │ 22.8  │ 24.0   ← 미래 (예측)
14:40    │ ?      │ 23.5   │ 22.6  │ 24.4
14:50    │ ?      │ 23.7   │ 22.5  │ 24.9

---

異常検知と予測の連携活用

PlantPulse AIでは、異常検知と予測を連携させることで、より有用なインサイトを提供します。

현재 상태 파악 (TSPulse 이상 탐지)
    │
    │  "현재 온도 센서에서 이상 패턴 감지됨"
    │
    ▼
미래 추세 예측 (TTM 예측)
    │
    │  "앞으로 6시간 내 임계값 초과 예상"
    │
    ▼
종합 판단
    │
    │  "현재 이상 + 악화 추세 → 즉시 점검 권고"
    │
    ▼
관련 문서 검색 (RAG)
    │
    │  "해당 설비 정비 매뉴얼 3장 참조"
    │
    ▼
종합 리포트 생성 (AURA LLM)

活用シナリオ別のモデル構成

シナリオ	TSPulse (異常検知)	TTM (予測)	判断
正常運転	異常なし	正常範囲を維持	正常 — モニタリングを継続
異常の初期段階	異常を検知	正常範囲	注意 — 推移の観察が必要
悪化傾向	異常を検知	しきい値超過の見込み	警告 — 直ちに点検を推奨
急激な異常	高い異常スコア	急激な悪化	緊急 — 直ちに対応が必要

---

設備ヘルススコア (Health Score)

100点から減点する方式で、0～100点のヘルススコアを算出します。予測（TTM）は含まれません。 これまでに発生した事象のみを評価します。

건강 점수 = 100 − 이상 감점 − 알람 감점 − 비가동 감점     (0~100 로 자름)

이상 감점   최대 40   센서·OEE·RAM·EMS·알람의 이상 비율을 가중평균
알람 감점   최대 30 + 10   최근 24시간 알람(우선순위 가중) + 아직 안 풀린 알람
비가동 감점 최대 20   가동 정보가 있을 때만

グレード	スコア
A · Good	90以上
B · Caution	75以上
C · Warning	60以上
D · Critical	60未満

減点方式のため、「なぜこのスコアなのか」を減点内容から説明できます。 観測データが不足している場合は、 スコアとは別にグレードを付けず、Insufficient data とします。データがない状態を「正常」と 解釈しないためです。

---

フィーチャーストアの役割

異常検知と予測を毎回リアルタイムで実行すると、処理に時間がかかります。フィーチャーストアは、これらの結果を事前に計算して保存します。

┌─────────────────────────────────┐
│  피처 스토어 스케줄러              │
│                                  │
│  매시간: 설비별 건강점수 계산      │
│  매일:   종합 분석 LLM 컨텍스트   │
│         임베딩 벡터 생성          │
└──────────────┬──────────────────┘
               │
               ▼
┌──────────────────────────────────┐
│  사용자 질문: "이 설비 상태 어때?" │
│                                   │
│  → 사전 계산된 피처 즉시 반환      │
│  → 실시간 계산 대기 없음!          │
│  → 응답 시간: 수백 ms              │
└──────────────────────────────────┘