工业时序数据漂移监测方法实验进展

工业AI模型上线后，现场数据分布常随季节、原料批次与设备老化缓慢偏移，导致预测精度悄然下降。数据分析实验室近期围绕时序数据漂移的在线监测方法开展阶段性实验，在某注塑车间约6个月、40余路传感器信号的数据集上，对比了两类检测方案。初步结果显示：1. 基于滑动窗口的PSI指标对缓变漂移响应稳定，误报率约3%，适合作为日常监控基线；2. 基于自编码器重构误差的方法对突变漂移更敏感，平均提前11个批次发现异常，但需按设备分别训练，维护成本较高。下一步计划引入漂移溯源模块，将告警定位到具体变量与工位，并与实验室既有的模型迭代机制打通，形成监测、定位、再训练的闭环流程，优先在能耗预测与质量预测类模型上验证。