工业时序模型漂移监测方法实验进展

工业AI模型上线后常因原料批次、工况与季节变化出现输入分布偏移，预测精度随时间衰减。数据分析实验室近期围绕数据智能方向，基于两家合作工厂的脱敏时序数据开展模型漂移监测方法对比实验，覆盖温度、压力、电流等约120个测点、累计8个月数据。
要点：

• 并行测试PSI、KS检验与自编码器重构误差三类漂移指标，自编码器方案对缓慢漂移的召回率高出统计指标约18个百分点，但单点计算开销约为其6倍；
• 引入滑动窗口分层抽样后，整体计算耗时下降约55%，可满足小时级巡检频率。

下一步将结合工艺事件日志标注漂移类型，区分真实工况变化与传感器异常，并在第三家试点工厂验证告警阈值的迁移效果。实验室将以小步验证方式持续沉淀可复用的数据智能方法，务实推进。