SKAB と時系列基盤モデルで産業センサー異常検知を試した

• URL: https://dev.classmethod.jp/articles/dgx-spark-timeseries-fm-skab-anomaly-detection/
• 日付: 2026-06-01
• 出典Tier: Tier 3（Classmethod 製造ビジネステクノロジー部、実測ベンチマーク）

要約

産業用ポンプ系の実機データセット SKAB（34ファイル、8センサー、異常率34.9%）に対して、Chronos-2（28M/120M）と TimesFM 2.5（200M）を DGX Spark 上で動かして ROC AUC・F1・FAR・MAR を比較した。主な知見：

1. 精度: TimesFM 2.5 (mean集約) の AUC 中央値 0.7723 が Chronos-2 各モデル（0.55〜0.64）を18〜22ポイント上回る。ただし dataset によって Chronos-2 が勝つケースもあり、得意な異常タイプが異なる（TimesFM=長期trend系、Chronos-2=短期spike系）。
2. 速度: Chronos-2 28M multivariate が 4.1ms/8センサー（PLC スキャンサイクルの25倍以上の余裕）。TimesFM 2.5 は 229ms/センサーで PLC リアルタイム判定には不十分。
3. context スケーリング: TimesFM で c=512 が c=128 より AUC +0.06 だが dataset によって逆転あり。短期突発異常には短 context、長期 trend 変化には長 context が有利。
4. 推奨構成: Chronos-2 28M をエッジ（PLC直結）、TimesFM 2.5 を集約サーバー（バッチ判定）に置く2段判定アーキテクチャ。