時系列予測ツール Chronos-2 の導入事例──Decathlon、AWS 上で 2 万 5 千製品の需要予測を効率化
大手スポーツ用品小売 Decathlon が Amazon SageMaker と AutoGluon を用いた Chronos-2 の本番運用アーキテクチャを公開し、6 ヶ月ごとの低頻度ファインチューニングで予測精度を大幅に改善した手法を示す。
リリース: 2026-08-28 · 読了 3 分記事の要約
1. 核心（What）
- Decathlon は、Amazon SageMaker AI 上で時系列基盤モデル Chronos-2 を用いた大規模な需要予測システムの本番運用を公開した。
- 予測システムは、12 週間の中期補充ホライズンと 52 週間の長期戦略ホライズンの 2 つの軸で毎週実行される。
- 評価ベンチマークでは約 2 年間にわたる 101 のローリングカットオフと供給ゾーンあたり 2 万 5,000 製品が検証された。
- ファインチューニングには AutoGluon を介した LoRA が採用され、6 ヶ月に 1 回の低頻度で更新される。
2. 影響（Why）
- 週次再学習の運用負荷を解消: 従来手法の DeepAR では毎週の再学習が必要だったが、Chronos-2 は 6 ヶ月に 1 回のファインチューニングで同等以上の精度を発揮し運用工数を削減する。
- 国内サプライチェーンへの適用性: [国内 大規模小売・EC 業種] のように多種多様な季節性商品を扱う現場において、追加のカスタム開発なしで共変量をネイティブに処理できる利点がある。
3. 根拠・詳細（How）
- 交互アテンション機構による共変量処理: T5 エンコーダーベースの Chronos-2 は、時間軸のアテンションとグループ軸のアテンションを交互に配置する設計により、外部共変量をネイティブに取り込んで多変量予測を実行する。
- AutoGluon と MLflow によるパイプライン構築: データ準備に PySpark、モデル管理に MLflow、バッチ推論に Amazon EC2 と Databricks ジョブを組み合わせ、Airflow でオーケストレーションを行う構成をとる。
4. 展望・課題（Next）
- 中東・アフリカ地域への展開: 中東およびアフリカ市場を含む新しい供給ゾーンへのシステム展開が予定されている。