小样本条件下工业时序异常检测实验

设备异常样本稀少，是工业时序异常检测模型落地的主要障碍。数据分析实验室近期围绕小样本条件下的异常检测方法开展了阶段性实验。

实验数据来自某机加工车间的设备电流与温度时序记录，时长约三个月、采样间隔一分钟，人工标注的异常片段不足总样本的0.5%。团队对比了重构类自编码器与预测误差两类基线方法，并测试了滑动窗口统计特征与数据增强策略的作用。

要点如下：

• 在异常样本占比极低的条件下，融合滑动窗口统计特征的自编码器方案，异常段识别F1值达到0.78，较仅用原始信号输入提升约12个百分点；
• 误报集中在工况切换时段，占总误报的六成以上，是当前主要误差来源。

下一步计划引入工况标签作为条件变量，以降低换产与启停阶段的误报，并与车间SCADA系统对接，验证方法在在线数据流上的稳定性。该方法目前仍处于实验验证阶段，暂未进入生产部署。