在数据智能方向的实验中，我们发现工厂做数据分析的主要阻力往往不在模型，而在数据本身对不齐。同一台设备的振动与电流采样是毫秒级时序，MES工单按分钟记录，质检结果又挂在批次上。三套数据的时间戳存在秒级到分钟级漂移，班次交接与停机补录又让归属边界变模糊，直接连表后得到的特征有相当比例是错位的。
本轮实验把「对齐」单独拆出来处理：以设备侧高频时序为基准轴，用工单状态跳变点做锚定，再以班次日历和停机事件做约束，把质检与物料批次结果回填到正确的时间窗。对无法确定归属的记录不强行填充，而是打上置信标记，由后续分析决定是否纳入。
要点：
- 进展：在某机加工车间的历史数据上完成对齐验证，工单归属可判定的比例由约七成提升至九成以上，根因分析中的假相关明显减少。
- 下一步：将置信标记纳入特征工程，测试低置信数据对模型稳定性的影响，并评估在线对齐的增量计算成本。
评论