基于工业设备采集的时序数据,开发了一套轻量级异常检测算法Demo。通过滑动窗口统计、3σ原则对设备运行指标进行异常识别,支持数据可视化展示与异常点标记,可用于快速发现设备运行中的异常波动,辅助工业运维人员进行故障预判,提升数据驱动运维的效率。
项目采用模块化设计,分为数据预处理、异常检测与可视化模块。使用Pandas对采集到的时序数据进行清洗与标准化;基于滑动窗口和3σ原则实现了异常检测逻辑,对设备温度、压力等指标的异常波动进行识别;使用Matplotlib实现数据曲线与异常点的可视化展示,帮助运维人员直观定位异常时段。我负责核心的算法实现与可视化模块开发,优化了窗口滑动效率,将检测耗时降低了约20%。