在数据分析实验室的数据智能方向，我们近期把注意力放在工厂时序数据的“可用性”上，而不是直接上更复杂的预测模型。设备侧数据经边缘采集、网关缓存到平台入库，缺失往往不是随机的：网络抖动造成单点丢失，采集进程重启造成短块缺失，停机或传感器离线则形成长段空洞。若不加区分地统一插补，后续异常检测和能耗分析容易被“造出来的数据”带偏。我们的实验做法是先做缺失模式识别，再匹配插补策略：小于3个采样点的缺口用线性或样条；连续缺口先判断是否对应真实停机，若对应则保留空值并打停机标签；无法解释的长缺口才用同工况相似设备的多变量模型回填，同时输出不确定性区间。评估不只看插补误差，还看下游任务是否受益，以及结论对插补值是否敏感。进展：在一条产线约3个月数据上，随机缺失低于5%时，简单插补与模型插补的下游异常检测F1差距小于1个百分点；连续缺失超过30分钟时，模型插补的MAE较线性基线下降约18%，但告警误报未同步下降。下一步：把数据质量标签、插补来源和置信区间写入数据资产目录，让告警、报表和结算类应用能按可信度取数，避免把插补值当实测值使用。
评论