设备时序数据的告警治理，是数据智能实验室近期的实验方向之一。多数工厂的振动、温度、电流测点已实现秒级采集，但固定阈值告警在换型、启停、空载等工况切换时频繁触发，值班端每天要处理数百条重复信息，真正的异常反而被淹没。
我们的做法是先把数据按工况分段：结合PLC状态字与产量信号，将设备运行切分为启动、稳态、空载、停机四类，仅在可比工况内建立基线。检测层不追求复杂模型，采用分位数残差加轻量回归预测，输出偏离程度而非简单越限。收敛层再做两件事：把同一根因在多个测点上引发的告警合并为一个事件，并在时间窗内抑制伴随告警。
阶段性进展：在两条试产线上，日报警条数由约600条降至40条以内，保留事件的抽样复核与人工判断一致率超过八成。下一步将补充值班人员的处置反馈，用于校准基线漂移，并验证工况分段策略在新机型上的迁移成本。
评论