Granite Time Series PatchTST-FM-r2: 기업 시계열 예측에서 살펴볼 세 가지 기준

기업용 시계열 모델은 정확도 순위만으로 선택하기 어렵다. 긴 관측 이력을 처리할 수 있는지, 예측의 불확실성을 표현하는지, 라이선스가 도입 목적에 맞는지도 함께 따져야 한다.

IBM이 공개한 Granite Time Series PatchTST-FM-r2는 이러한 기준을 폭넓게 고려한 시계열 모델이다. PatchTST-FM-r2는 약 3억8,500만 개의 매개변수를 갖추고 최대 8,192개 시점의 컨텍스트를 지원한다.¹

긴 시계열을 효율적으로 처리하는 구조

PatchTST 아키텍처의 핵심은 패칭과 채널 독립성이다. 패칭은 연속된 시점을 작은 구간으로 묶어 처리함으로써 트랜스포머가 긴 시계열을 효율적으로 다룰 수 있게 한다.

채널 독립성은 여러 변수를 처음부터 뒤섞지 않고 각 채널을 독립적으로 학습하는 방식이다. 패칭과 함께 긴 관측 구간을 처리하기 위한 PatchTST의 주요 설계를 이룬다.²

이 계열의 이전 모델인 PatchTST-FM-r1은 IBM Research와 렌셀러 폴리테크닉 연구소가 공동 개발했다. 단기와 장기 예측 구간을 모두 지원하고 결측값에도 견고하도록 설계됐다.² 이러한 계보는 모델의 설계 방향을 이해하는 데 도움이 되지만, 실제 도입 여부는 PatchTST-FM-r2를 자사 데이터로 검증한 뒤 판단해야 한다.

순위보다 지표의 의미가 중요하다

PatchTST-FM-r2는 2026년 9월 8일 기준 GIFT-Eval의 재현 가능한 제로샷 모델 가운데 CRPS와 MASE 모두 2위를 기록했다.¹

두 지표는 서로 다른 관점에서 예측 품질을 보여준다.

• CRPS는 GIFT-Eval에서 확률적 예측의 정확도를 평가하는 지표다.²

• MASE는 예측 오차를 기준 모델과 비교할 수 있도록 보정한 지표다.

특히 확률적 예측은 하나의 예상값만 제시하는 대신 가능한 결과의 분포를 표현한다. 이는 재고 보충 시점을 결정하거나 기업의 위험 노출을 평가하는 것처럼 불확실성 자체가 중요한 업무에 활용될 수 있다.²

따라서 벤치마크 순위는 출발점으로 보되, 실제 평가에서는 예측 구간, 결측 패턴, 필요한 불확실성 수준을 자사 업무에 맞춰 설정해야 한다.

도입 전에는 라이선스와 운영 조건을 함께 검토해야 한다

Granite Time Series PatchTST-FM-r2는 Apache 2.0과 OpenMDW 1.0으로 이중 라이선스됐다.¹ 다만 실제 배포 전에는 선택한 라이선스의 조건이 사용·수정·배포 방식에 부합하는지 확인해야 한다.

모델 선택 시에는 다음 항목을 함께 검증하는 것이 실용적이다.

1. 자사 데이터의 결측값과 관측 길이를 안정적으로 처리하는가

2. 필요한 단기·장기 예측 구간에서 성능이 유지되는가

3. 확률적 예측 결과가 실제 의사결정에 유용한가

4. 추론 비용과 지연 시간이 운영 환경에 적합한가

5. 라이선스 조건이 배포 계획에 부합하는가

요약: Granite Time Series PatchTST-FM-r2의 핵심 가치는 벤치마크 순위 하나가 아니라 긴 컨텍스트 지원, 확률적 예측 평가 성과, 이중 라이선스를 함께 제공한다는 데 있다. 최종 도입 여부는 자사 데이터와 운영 조건을 기준으로 검증해야 한다.

¹IBM releases SOTA Granite Time Series PatchTST-FM-r2 model with commercial-friendly license

²IBM's newest time-series models cover a full range of enterprise prediction tasks