تجمع IBM وConfluent نماذج الأساس للسلاسل الزمنية (TSFM) لاستخدامها في تدفقات البيانات الآنية. ففي النهج التقليدي، يتطلب الأمر تطوير نموذج منفصل لكل سلسلة بيانات وعمل خبراء لعدة أشهر، بينما تستطيع هذه النماذج التعميم على سلاسل لم يسبق لها رؤيتها، بما يتيح التنبؤ، واكتشاف الحالات الشاذة، والبحث عن أوجه التشابه، والتصنيف، واستكمال البيانات الناقصة، والتحسين. وبذلك، تهدف إلى تقليص الهوامش المخصصة لمخزونات الأمان، والطاقة الفائضة، والقرارات التي يتم اتخاذها في وقت متأخر.
في الحل، تحلل نماذج IBM Granite Time Series الإشارات، بينما توفر Confluent البيانات الحية للمؤسسة في شكل تدفق. وبفضل الاستدلال المحلي على Apache Flink، يمكن تشغيل النماذج مباشرة داخل Confluent Cloud. ويحتفظ Flink بالبيانات التاريخية اللازمة لكل سلسلة بطريقة متحملة للأخطاء، بما يضمن إجراء التنبؤ واكتشاف الحالات الشاذة في سياق محدث. وتُتاح الخدمة على Confluent Cloud ضمن الوصول المبكر لـ AWS؛ كما يُخطط لنقلها إلى البيئات المحلية والهجينة عبر Confluent Platform.
تقدم IBM وConfluent أربعة نماذج متكاملة تلبي احتياجات استخدام مختلفة ضمن الوصول المبكر. ويعالج PatchTST-FM المتغيرات عبر قنوات منفصلة، وينتج توزيعًا احتماليًا. ويراقب FlowState ديناميكيات الزمن المستمرة، بدءًا من بيانات SCADA المقاسة بالثواني ووصولًا إلى بيانات السوق المقاسة بالساعات. ويوفر TTM بنية صغيرة قادرة على معالجة 100,000 سلسلة على CPU خلال الليل. أما TSPulse فيركز على اكتشاف الحالات الشاذة، والتصنيف، واستكمال البيانات الناقصة، والبحث عن أحداث مماثلة في الماضي. ويمكن استخدام النماذج عبر وظيفتي Flink SQL، AI_FORECAST وAI_DETECT_ANOMALIES، من خلال تغيير معلمة SQL واحدة فقط.
تشمل مجالات التطبيق تخطيط الطلب في قطاع التجزئة، واكتشاف الاحتيال المالي، وتحسين الإنتاج. ويمكن للنماذج الاستفادة من سلاسل مماثلة في المنتجات الجديدة من دون بيانات تاريخية؛ كما يمكنها تحديد الانحرافات عن السلوك المعتاد للبطاقة في تدفقات الدفع قبل اكتمال المعاملة. أما في الإنتاج، فيمكنها اقتراح إعدادات جديدة استنادًا إلى متغيرات مثل درجة الحرارة والسرعة والجرعة واللزوجة، وبما يتماشى مع الأداء المستهدف والقيود.
وتشير IBM إلى أنها اختبرت الحل أولًا ضمن منتجاتها وعملياتها، ثم مع شركاء التصميم في قطاعات الأسمنت والصلب والورق والأغذية والاتصالات. ووفقًا للشركة، يمكن أن تصل مكاسب الكفاءة إلى مستوى 5 إلى 10×. كما تستخدم نماذج Granite إطار حوكمة الذكاء الاصطناعي المؤسسي لدى IBM، الذي يشمل منشأ النموذج وشفافية التراخيص.
لماذا هذا مهم
يهدف هذا التكامل إلى تحويل تحليلات السلاسل الزمنية من مشاريع تنشئ فيها فرق علوم البيانات نماذج منفصلة، إلى خدمة يمكن استخدامها ضمن منصة تضم تدفقات بيانات حية. وقد يتيح ذلك، خصوصًا في قطاعات التجزئة والتمويل والإنتاج، الاستناد في القرارات التشغيلية ليس فقط إلى التقارير السابقة، بل أيضًا إلى الإشارات الفورية والأحداث المماثلة؛ غير أن الدقة ومعدل الإنذارات الكاذبة وكيفية تكييف الإعدادات المقترحة مع عمليات الأعمال تظل أسئلة مفتوحة. وفي حين أن تشغيل النماذج داخل Confluent Cloud قد يخفض عتبة التطبيق أمام المؤسسات التي تستخدم بنية Flink وSQL التحتية الحالية، فإن نقل الحل إلى البيئات الداخلية والهجينة لا يزال في مرحلة التخطيط. ونظرًا إلى وضع الوصول المبكر، فإن نطاق الوصول والاستخدام محدود؛ كما أن تكرار مكاسب الكفاءة التي ذكرتها IBM في قطاعات مختلفة، وتحت أي ظروف، سيعتمد على تقدم الاختبارات.
خلفية
لا يُعد IBM اسمًا جديدًا في أرشيف FikirPilot؛ فقد نشرنا خلال آخر 90 يومًا خبرًا ورد فيه هذا الاسم، وكان ذلك المقال مؤرخًا في 24 أغسطس 2026.