AI产线时序异常检测：工况漂移与误报抑制

数据分析实验室近期在一段注塑—装配混线的历史时序数据上做了异常检测复现实验。常见做法是给设备电流、压力、节拍设固定阈值，但换型、班次或环境温度一变，误报就明显上升，现场很快不再信任告警。

我们把问题拆成两层：先按工况分段，用轻量聚类为每段数据打上工况标签；再在段内做残差建模，只有偏离同工况基线的片段才进入告警队列。这样阈值不再是静态数字，而是随工况自动调整的参考线。

• 进展：在约 90 天数据上，误报量下降约六成，漏报未见明显增加；换型后前 30 分钟仍是主要难点，暂由人工确认兜底。
• 下一步：将工况标签与 MES 工单做实体对齐，验证跨设备能否复用同一套基线；同时打通标注闭环，让现场确认结果回流为训练样本，持续压低误报。