产线时序数据很少是干净的：采集断点、量程跳变、工况标签缺失，都会在下游预测模型里被放大成系统性偏差。数据分析实验室近期做了一组偏工程化的实验：先用规则完成时间戳与量程校验，再用带掩码的时序模型对缺失段插补，并引入同工况历史片段做相似度约束，避免插补曲线过度平滑、抹掉真实波动。
阶段性进展：
· 在某注塑车间约 3 个月、1.2 亿条采集记录上离线验证，缺失率低于 3% 时，插补后下游模腔压力预测的 MAE 相比线性插值下降约 11%；缺失率超过 15% 后收益明显收窄，说明补全无法替代采集侧的修复。
· 工况对齐采用设备状态码与班次信息做弱标签，人工抽检 200 段，工况划分一致率约 87%，主要误差集中在换模过渡段。
下一步计划把插补置信度作为特征输入下游模型，使模型在低置信区间自动降权，并在两条产线做在线灰度。该能力目前仍属实验阶段，定位是数据质量治理的辅助手段，不用于质量放行判定。
评论