工业时序基础模型小样本异常检测实验

近期，数据分析实验室围绕时序基础模型在工业设备异常检测中的小样本适配开展阶段性实验。传统异常检测方法依赖大量标注数据，而实际产线故障样本稀缺、工况切换频繁，模型泛化能力常显不足。团队选取某机加工车间的振动与温度传感数据，对预训练时序基础模型进行零样本与少量微调的对比测试。要点如下：1）在每类故障标注样本不足20条的条件下，微调后模型F1值达0.86，较孤立森林基线提升约18个百分点；2）零样本模式对轴承磨损等渐变性异常识别偏弱，误报集中在换型与停机重启时段。下一步将引入工况标签作为条件输入，结合规则过滤降低误报，并计划在真实产线开展为期一个月的在线验证。初步结果表明，时序基础模型为标注数据有限的中小工厂提供了可行的异常检测新路径，但工程化落地仍需针对工况漂移做持续适配。