小样本工业时序数据建模的实验进展

工业现场普遍面临标注样本不足的问题，小样本条件下的时序建模是数据分析实验室本阶段的重点实验方向。本轮实验基于某包装车间两周的振动与温度传感数据（故障正样本不足300条），对比了三种技术路线：特征工程结合梯度提升树、时序卷积网络、预训练时序模型微调。主要进展有二：其一，预训练时序模型微调方案在故障预警任务上F1值达到0.82，较纯监督方案提升约9个百分点，其中滑动窗口与噪声扰动两类数据增强合计贡献约3个百分点；其二，实验发现跨设备迁移时若缺少工况对齐，模型性能显著下降，表明小样本场景下数据预处理与特征对齐仍是决定性环节。下一步将在合作工厂的空压与注塑场景验证该方法论的泛化性，并沉淀为小样本工业时序建模的选型指引。