GitHub 注目リポジトリ
google-research/timesfm
時系列予測の基盤モデル
製造業★★★☆☆人気★★★★★★34,651PythonApache-2.0更新 2026年9月29日
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
注目されている理由
時系列予測を、個別にモデルを組まず事前学習済みモデルで賄う流れの中心にあるリポジトリです。Apache-2.0のため商用利用の制約が小さいことも、採用が広がった理由と見られます。
製造業での使いどころ
設備の稼働データや受注量の予測で、学習データを揃える前に精度の当たりを取る段階に向きます。工場固有の季節性や段取り替えの影響までは学習されていないため、追加学習や特徴量の設計は別途必要になります。
基本情報
| リポジトリ | google-research/timesfm |
|---|---|
| 主な言語 | Python |
| スター数 | 34,651 |
| ライセンス | Apache-2.0 |
| 最終更新 | 2026年9月29日 |
数字は2026年10月21日時点でGitHub Search API(製造業に関わる語での検索と週間トレンド)から取得した値です。ライセンスは掲載時点の表記のため、導入前に配布元で必ず確認してください。「製造業」の星は用途の近さとライセンス・導入のしやすさから編集部が付けた5段階、「人気」の星はスター数から機械的に決めた5段階です。
関連テーマ
関連する記事
-
予知保全AIとは?異常検知・故障診断・余寿命推定の3段階と導入6ステップ
-
時系列データの異常検知AI入門:統計・予測残差・再構成型の3方式と選び方
-
製造業のAI活用10領域:外観検査・予知保全から設計・技能伝承まで一覧
-
予知保全AIが失敗する6つの理由:故障事例不足・誤報・保全行動につながらない
-
異常検知の誤報を減らす:1日あたり誤報件数とイベント単位評価で設計する
-
予知保全と予防保全・事後保全の違い:故障の82%がランダムという前提から考える
同じ一覧の他のリポジトリ
CONSULTATION
「AIで何ができるのか分からない」段階からご相談ください
AI導入テーマの選定、PoCの設計、データ基盤・MESとの連携、本番運用と人材育成まで。株式会社サオスの実務者が、貴社の現場とデータに合わせた進め方をご提案します。
AI導入の相談をする相談は無料です。特定製品の売り込みは行いません。