产线时序数据漂移检测：模型退化预警方法

工业AI模型上线后，产线工况的缓慢变化（换型、季节温湿度、设备老化）会使输入数据分布发生漂移，导致模型性能静默退化。数据分析实验室近期围绕该问题开展实验性探索，基于某注塑车间的温度、压力与成型周期时序数据，构建了轻量级漂移检测流水线。方法上，以滑动窗口统计量（PSI、KS检验）结合自编码器重构误差作为漂移信号，并利用历史换型事件构造伪标签完成阈值标定。初步进展：
· 在三个月回测数据中，方法对两次真实换型引起的分布变化识别延迟约为半个班次，误报率低于每周一次；
· 相比仅依赖预测准确率下降的传统监控方式，漂移信号平均提前约5天预警模型退化。下一步计划将该流水线接入实验室已有的视觉与振动检测系统，验证跨模态场景下的通用性，并整理为可复用的数据漂移监控组件，供项目交付时按需启用。