制造车间能耗AI基线建模阶段性进展

数据智能方向近期围绕制造车间能耗数据开展基线建模的实验性探索，目标是让能耗异常发现从“看总量”走向“看结构”。团队以某电子装配车间三个月的分项电表数据为样本，将设备启停状态、班次排程与温湿度作为协变量，构建分时段能耗基线。
阶段性结果：

• 采用梯度提升结合分位数回归的方案，工作日基线预测的平均绝对百分比误差（MAPE）约6.8%，优于移动平均基线的12.4%；
• 回放测试中识别出空调机组非生产时段持续运行、空压机加载异常两类问题，合计约占该车间月度电量的7%。

需要说明的是，上述结论基于单一车间样本，跨车间泛化能力尚未验证。下一步将引入更多产线数据，检验模型在排班变化与季节切换场景下的稳健性，并探索异常归因的可解释输出方式，为后续能耗优化提供可落地的分析工具。