工业时序数据缺失填补与漂移检测实验

工业现场的时序数据普遍存在传感器丢包、人工补录与量程漂移等问题，直接影响后续建模的可靠性。本实验室近期以注塑与空压场景的历史时序数据为对象，完成了缺失填补与漂移检测两组对比实验。实验一：在约3%随机缺失与短段连续缺失混合的测试集上，对比线性插值、KNN及自回归模型三种填补方法。结果显示，对不超过5个采样点的连续缺失，自回归方法的填补误差较线性插值降低约18%；对长段缺失，各方法误差均显著上升，建议标记为不可信区间而非强行填补。实验二：采用滑动窗口统计量与PSI指标组合的漂移检测策略，在模拟量程漂移发生后约2小时即可触发告警，误报控制在每周1次以内。下一步，实验室将把上述方法封装为数据质量校验模块，接入现有建模流水线，在真实项目数据上验证其对下游模型精度的影响，并沉淀为可复用的数据治理方法论。