工业时序数据缺失修复与漂移检测实验

工业现场的多源时序数据普遍存在传感器掉线、采样错位与工况漂移问题，直接影响下游建模质量。数据分析实验室近期围绕这两个环节开展了一组方法对比实验，评估不同处理策略在真实产线数据上的表现。

实验选取某注塑车间三个月的工艺与质量数据，覆盖温度、压力、周期时间等约四十个变量，缺失比例介于2%至18%。初步结果显示：对短时随机缺失，基于相邻工况分段的插值方法优于全局均值填充，关键变量还原误差降低约三成；对连续缺失较长的片段，标记剔除比强行修复更有利于模型稳定。漂移检测方面，滑动窗口PSI指标可在一周内捕捉到季节性温湿度引起的输入分布偏移，为模型再训练提供了触发依据。

下一步计划：一是将上述方法整理为标准化数据体检流程，纳入项目前期数据评估环节；二是在空压机与配电房场景的历史数据上做交叉验证，检验方法的跨设备泛化性。