在数据智能方向，我们近期把「模型上线之后怎么办」拆成了一个可运行的小实验：面向产线质检与设备时序数据做在线分布漂移监测，判断什么时候该人工复核、什么时候才该触发再训练。
做法上不追求复杂模型。对关键特征做滑窗统计，用 PSI/KS 做单变量检验，用 PCA 残差与 MMD 捕捉多变量结构偏移；阈值取历史正常段分位数并随工况自适应，漂移分三级——观察、复核、再训练，避免一报警就重训。
阶段性进展：
· 在某3C装配线的质检数据上连续运行 6 周，把正常工艺波动引发的无意义告警从周均 5.2 次压到 1.1 次；
· 一次换料造成的真实分布偏移在 2 小时内被捕捉到，此前依赖人工抽检回溯，平均要 3 天。
下一步：把漂移信号接入再训练流水线，做灰度发布与回滚，并在标签延迟的条件下补一套可用的效果评估口径。
评论