TimeSeries-Insight — AI分析エンジン
概要
PlantPulse TimeSeries-Insightは、製造時系列データに特化したAI異常検知・予測・総合分析MCPサーバです。
IBM Granite TSPulse(異常検知)とTinyTimeMixer TTM(予測)のAIモデルを活用し、センサーデータ、OEE、RAM、EMS、アラーム、作業指示など工場のあらゆる時系列データに対する高度な分析を提供します。
33種の分析ツールとフィーチャストアにより、リアルタイム分析から事前計算済みの総合インサイトまでをカバーします。
2つのサービスに分かれています
insight-api(:8970)がツールとデータを担当し、モデル推論(TSPulse・TTM)は
insight-server(:8980)に委譲します。GPUは推論側にのみ必要なため、2つのサービスを別々の
機器に配置できます。
AI異常検知 (Anomaly Detection)
ベースモデル: IBM Granite TSPulse
| 対象 | ツール | 分析内容 |
|---|---|---|
| 設備センサー | detect_asset_anomaly | 温度、圧力、振動などのセンサー異常パターン検知 |
| システムリソース | detect_system_anomaly | CPU、メモリ、ディスクの異常検知 |
| OEE | detect_oee_anomaly | 可用率、性能、品質の異常パターン |
| RAM | detect_ram_anomaly | MTBF、MTTRの異常パターン |
| EMS | detect_ems_anomaly | エネルギー消費、電力、炭素排出の異常 |
| 作業指示 | detect_order_anomaly | 生産品質の異常 (OEE/RAM/EMS/複合) |
| アラーム | detect_alarm_anomaly | アラーム発生頻度の異常パターン |
主なパラメータ:
threshold— 異常判定しきい値 (0に設定すると自動)top_k— 上位異常メトリック数lookback_minutes— 分析時間範囲target_columns— 分析対象 (未指定の場合は全センサーを自動照会)
AI予測 (Forecasting)
ベースモデル: TinyTimeMixer (TTM)
| 対象 | ツール | 予測内容 |
|---|---|---|
| 設備センサー | forecast_asset | センサー値の将来トレンド |
| システムリソース | forecast_system | CPU/メモリ/ディスク使用率 |
| OEE | forecast_oee | 可用率、性能、品質の将来推移 |
| RAM | forecast_ram | 設備信頼性指標の将来トレンド |
| EMS | forecast_ems | エネルギー消費、炭素排出の見通し |
| 作業指示 | forecast_order | 生産品質の将来推移 |
| アラーム | forecast_alarm | アラーム発生頻度トレンド、故障予測 |
主なパラメータ:
prediction_length— 予測ステップ数enable_bounds— 信頼区間(上限/下限)の出力
アラーム詳細分析
| ツール | 説明 |
|---|---|
get_alarm_stats | アラーム統計サマリ — 発生頻度、優先度分布、Topアラーム、Topタグ |
analyze_alarm_duration | アラーム継続時間/MTTA分析 — 劣化検知、平均認知時間の推移 |
analyze_alarm_correlation | アラームとセンサーの相関 — どのセンサー変化がアラームを引き起こすか |
設備健全性指数
get_asset_health — センサー + OEE + RAM + EMS + アラームを総合して0~100点の健全性スコアを算出
フィーチャストア (Feature Store)
事前計算済みのフィーチャとLLMコンテキストにより高速な総合分析を提供します。
| ツール | 説明 |
|---|---|
get_feature_status | フィーチャストアの状態 — スケジューラジョブ、実行時刻、バックフィル状態 |
get_asset_features | 設備フィーチャ照会 — 健全性スコア、異常スコア、アラーム、状態、生産指標 |
get_asset_context | LLMコンテキスト — 日別総合分析サマリテキスト (事前生成) |
analyze_asset | 設備総合分析 — 健全性スコア、センサー、アラーム、OEE/RAM/EMS、原因ヒント |
explain_asset_anomaly | 異常原因分析 — 異常タグ、アラーム、状態変化に基づく原因推定 |
trigger_feature_pipeline | フィーチャパイプラインの手動実行 |
フィーチャストアのアーキテクチャ:
- スケジューラ: 時間別(hourly)、日別(daily)の自動フィーチャ計算
- 埋め込み: 設備フィーチャをベクトル化し、類似度検索に対応
- LLMコンテキスト: 日別総合分析テキストを事前生成し、応答速度を最大化
MCPリソース (6個)
| リソースURI | 説明 |
|---|---|
plantpulse://system/info | システム情報 |
plantpulse://domains | ドメイン一覧およびAPIエンドポイント |
plantpulse://metrics/oee | OEEメトリックの説明 |
plantpulse://metrics/ram | RAMメトリックの説明 |
plantpulse://metrics/ems | EMSメトリックの説明 |
plantpulse://metrics/alarm | アラームメトリックおよび分析能力 |
設備・タグの把握
設備にタグが数千個も付いていると、どれが何なのかを人手で説明しきれません。以下のツールは、実データの統計とPlatformのメタデータからタグの性格を自動的に整理します。
| ツール | 説明 |
|---|---|
list_asset_tags | 設備のタグ一覧 |
get_asset_profile | 設備プロファイル — どのタグがどのような性格かを整理 |
get_asset_tag_relations | タグ間の相関 — 連動して動くタグをグループ化 |
事例検索・比較
| ツール | 説明 |
|---|---|
find_similar_assets | 類似設備検索 — ベクトル埋め込みのコサイン類似度に基づく |
find_similar_anomalies | 類似異常事例検索 — 過去に同じ形の異常があったか |
find_fleet_outlier | フリート異常値 — 同種設備の中で1台だけ挙動が異なるもの |
search_pattern | パターン検索 — 指定した波形に似た区間を探す |
check_failure_precursor | 故障予兆点検 — 故障前に現れていた兆候が今出ていないか |
活用シナリオ
| シナリオ | 活用ツール |
|---|---|
| 設備異常の早期検知 | detect_asset_anomaly → explain_asset_anomaly |
| 予知保全計画 | get_asset_health → forecast_asset → forecast_ram |
| 日別設備ブリーフィング | get_asset_context → get_asset_features |
| アラーム多発の原因分析 | get_alarm_stats → analyze_alarm_correlation → analyze_alarm_duration |
| 類似設備の比較分析 | analyze_asset → find_similar_assets |
| この異常は以前にもあったか | detect_asset_anomaly → find_similar_anomalies |
| 故障前に捉える | check_failure_precursor → forecast_ram |
| 同型設備なのに1台だけ異常 | find_fleet_outlier → analyze_asset |
| エネルギー異常の検知 | detect_ems_anomaly → forecast_ems |
| 生産品質の予測 | detect_order_anomaly → forecast_order |