# Z 分数可能漏掉过热轴承，中位数不会

> 训练模型之前，先用中位数和 MAD 建一条基线，客户工程师离了你也能检查、调整和运行。

原文: https://fdetimes.net/zh/guides/sensor-anomaly-detection-median-mad-baseline/

设想你在客户工厂的第一周。运维班长发来一份 CSV，里面是二十台泵的轴承温度，问你：“你们团队能做 AI 异常检测吗？”这时很容易当场打开 notebook，试一试孤立森林或自编码器。

先别急。客户第一个月需要的，是一条他们的工程师能理解、能检查、在你不在时能自己调整的规则。统计基线三条都满足。它还能给你一把尺子，日后用来证明更复杂的模型确实更好。

对前线部署工程师（FDE）来说，这是非常实用的技能。大多数物联网（IoT）、基础设施监控和数据质量项目，都从“这正常吗？”这个问题开始。谁能用十行代码和一个讲得清楚的阈值回答它，谁就能更早赢得客户信任。

## 为什么均值和标准差会误导你

Grafana Labs 介绍自己如何在 Prometheus 上构建异常检测时提到，他们一开始用的是几乎人人首先想到的公式：均值加减若干倍标准差构成的区间，也就是 Z 分数的一种变体。数据充足且干净时，这个公式管用。客户的传感器数据很少如此。

NIST 的统计手册提醒，普通 Z 分数可能产生误导，小样本时尤其如此，因为 Z 值能达到的上限受样本量限制。

原因在于，异常值会同时抬高均值和标准差，从而把自己藏起来。NIST 转而引用 Iglewicz 和 Hoaglin 的建议：使用修正 Z 分数，用中位数和 MAD（各值与中位数绝对偏差的中位数）计算。

公式是 M = 0.6745 × (x − median) / MAD。Iglewicz 和 Hoaglin 建议，把 |M| 大于 3.5 的点标记为“潜在离群值”。

## 用十个读数手算一遍

假设某个轴承上报了十个温度读数（°C）：61、62、60、63、61、62、61、60、62、85。谁都看得出 85 有问题，关键是公式能不能看出来。

先算普通 Z 分数。总和为 637，均值为 63.7。样本标准差约为 7.54，所以 85 的 Z 值为 21.3 / 7.54 ≈ 2.82。按常用的阈值 3，这个点漏了过去。而且它永远不可能超过 3：10 个点时，Z 的最大可能值只有约 2.85，正是 NIST 所说的上限。

再用中位数和 MAD。排序后为 60、60、61、61、61、62、62、62、63、85，中位数为 61.5。绝对偏差中有六个 0.5、三个 1.5 和一个 23.5，所以 MAD 为 0.5。

85 的 M = 0.6745 × 23.5 / 0.5 ≈ 31.7，是阈值 3.5 的九倍。63 的 M ≈ 2.02，不会被标记，这是对的。

客户问你为什么选中位数时，一句话就够：单个离群值既拉不动中位数，也撑不大 MAD，所以没法像在均值和标准差里那样把自己藏起来。

**要点:** 第一条基线，必须能用一句话向客户的运维工程师讲清楚。

## 从手算到可在生产环境运行的基线

十个点的计算还算不上系统。一旦持续运行，你会碰到四个问题。OneUptime 在介绍动态阈值的文章中描述了前三个；第四个是 Grafana 构建 Prometheus 基线时不得不单独处理的。

第一个问题：故障会渗进它自己的基线。OneUptime 建议把基线窗口偏移一小时，因为最近一小时最可能包含正在发生的故障。

用七天窗口时，几十分钟的升温几乎动不了中位数。但如果为了反应更快把窗口缩到几小时，故障数据会占满大半个窗口，把中位数一起拉高，标记就会迟到，甚至不触发。

第二个问题是冷启动。同一来源指出，一台只有一小时数据的新主机，不可能有可信的七天基线。刚安装或刚更换的传感器也一样，所以要先设定最小样本数，达到后才信任基线。

第三个问题由此而来：样本不足的设备，告警依据是什么？OneUptime 建议，为还没有基线历史的资源保留一个静态兜底阈值。在工厂里，自然的选择是厂商数据手册上的最高温度。

第四个问题是季节性。Grafana 说，这是他们最后不得不单独处理的情况，因为简单的滚动区间不够用。

他们选择了一小时窗口，实验表明这是短期异常检测的合适平衡点。为了平滑区间，他们用了 26 小时，而不是常见的 24 小时，给用户多留一些余量。

在工厂里，季节性通常跟着班次走。白班泵高负荷运转，夜班休息，所以一个简单做法是为一天中的每个时段分别计算基线。看数据之前先向班长要一份生产排班表，能省下一周时间。

```python
import pandas as pd

def flag_anomalies(df, window="7D", offset="1h",
                   min_points=500, static_max=90.0, cutoff=3.5):
    s = df.set_index("ts")["temp_c"].sort_index()
    hist = s.shift(freq=offset)  # 基线看不到最近一小时
    med = hist.rolling(window, min_periods=min_points).median()
    mad = (hist - med).abs().rolling(window, min_periods=min_points).median()
    med = med.reindex(s.index, method="ffill")
    mad = mad.reindex(s.index, method="ffill")
    m = 0.6745 * (s - med) / mad.where(mad > 0)
    has_baseline = med.notna() & mad.gt(0)
    flag = (m.abs() > cutoff) & has_baseline
    fallback = (~has_baseline) & (s > static_max)  # 冷启动
    return pd.DataFrame({"temp_c": s, "m": m, "flag": flag | fallback})
```

这里的滚动 MAD 只是近似值，但做基线足够了。注意 `mad > 0` 这一行：按整数度取整的传感器，在设备空闲的时段 MAD 常常为零，除以零会把整个上午都标成异常。

## 标记亮了，要不要给客户打电话？

Grafana 说得很直白：单凭异常本身，还不足以说明有东西坏了。轴承到了 85°C，可能是轴承快要失效，也可能只是刚跑完一次计划内的管道冲洗。

所以异常标记只是一个输入；告警还需要更多上下文：设备是否在运行？相邻传感器是否也在升温？标记是否持续了好几个周期？

和客户开会时，说“系统发现了一个远离正常水平的点”，而不是“系统检测到了故障”。差别听起来很小，却决定了客户会不会在第二周之后把你的告警频道静音。

## 最常见的错误

最常见的错误，是在寥寥几个点上用均值和标准差，然后得出“数据没有异常”的结论。其次是让基线窗口一直延伸到当前时刻，让故障带偏它自己的基线。再次是忘了冷启动，导致客户每换一次传感器，就来一波误报。

最后一类错误出在人身上。有人无视班次排班，把每天早上 6 点的每次开机都标成异常。也有人把每个标记都直接作为消息推给客户。这两种做法摧毁信任的速度，比任何糟糕的模型都快。

## 把这项技能变成面试优势

阅读 FDE 岗位描述时，留意“industrial data”“observability”“time series”或“IoT”这类字眼。构建基线的技能正是在这些岗位上用得到，值得准备一个具体案例，面试时展开讲。

简历上不要写“构建了异常检测模型”。要写清楚你选了什么阈值、为什么；如何处理冷启动和季节性；以及如何度量前后的误报数量。

机器学习模型仍有用武之地，但前提是基线已经跑起来，你手里有可以对比的数字。一个连中位数和 MAD 都赢不了的模型，还不配进客户的工厂。

**本周动手试试:**

- 任选一条传感器或指标序列，取含一个尖峰的 10 个点，分别计算 Z 分数和修正 Z 分数，比较哪种方法能标出这个点。
- 写一个基线函数，包含 1 小时偏移、7 天窗口、最小样本数和静态兜底阈值，然后在一次已知故障上重跑，看标记何时触发。
- 写一页说明，记下阈值、窗口以及选择它们的理由，清楚到客户的运维工程师不用你坐在旁边也能看懂。

## 信源

- [Detection of Outliers (NIST/SEMATECH e-Handbook of Statistical Methods, 1.3.5.17)](https://itl.nist.gov/div898/handbook/eda/section3/eda35h.htm)

- [How to use Prometheus to efficiently detect anomalies at scale](https://grafana.com/blog/2024/10/03/how-to-use-prometheus-to-efficiently-detect-anomalies-at-scale/)

- [Static Thresholds vs Dynamic Baselines for Less Noisy Alerts](https://oneuptime.com/blog/post/2026-07-31-static-thresholds-vs-dynamic-baselines/markdown)
