Do Time-Series Foundation Models Pay Off for Industrial Monitoring? A Cost-Aware Empirical Study
作者: Guan-Hua Wen, Kuan-Yu Chen
分类: cs.LG
发布日期: 2026-08-24
备注: Accepted for poster presentation at CIF26 (2026), Poster P01013. 7 pages, 2 figures
💡 一句话要点
评估时间序列基础模型在工业监控中的应用价值
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 时间序列模型 工业监控 异常检测 性能评估 机器学习
📋 核心要点
- 现有工业监控模型在检测偏差时面临数据和资源约束，且轻量级基线模型表现良好。
- 本研究通过协议感知的实证评估，比较了多种时间序列基础模型在不同设置下的性能。
- 实验结果显示，TCN-AE在异常检测和预测方面的性能显著优于传统模型，且具有较低的实施成本。
📝 摘要（中文）
工业监控模型必须在满足特定数据、校准和资源约束的同时，检测操作相关的偏差。时间序列基础模型（TSFMs）承诺提供可重用的表示和零-shot预测，但在任务定义异质且轻量级基线竞争时，其部署价值的证据仍然不确定。本研究在三种设置下进行了协议感知的实证评估，评估了经典的一类方法、紧凑的神经自编码器、残差预测器等多种模型的异常排名性能、风险敏感性和局部实施成本。结果显示，TCN-AE在C-MAPSS引擎评估中表现优异，AUROC/AUPRC达到0.9570/0.8960，超越了其他模型，表明TSFMs在特定任务下的有效性。
🔬 方法详解
问题定义：本论文旨在评估时间序列基础模型（TSFMs）在工业监控中的实际应用价值，尤其是在任务定义异质且轻量级基线模型表现良好的情况下。现有方法在不同任务中表现不一，且部署成本和性能之间的平衡仍然是一个挑战。
核心思路：论文提出了一种协议感知的实证评估方法，通过在不同设置下比较多种模型的性能，探讨TSFMs在特定任务下的有效性和成本效益。
技术框架：整体架构包括三种评估设置：C-MAPSS退化风险代理、MIMII异常声音检测和BDG2预测残差诊断。主要模块包括数据预处理、模型训练与评估、性能指标计算等。
关键创新：本研究的创新在于通过实证评估不同模型在特定任务下的表现，揭示了TSFMs并非在所有情况下都是轻量级模型的替代品，而是依赖于具体任务的选择。
关键设计：在模型设计中，采用了TCN-AE、MOMENT-small、Chronos-T5和TimesFM 2.5等多种模型，重点关注异常排名性能、风险敏感性和局部实施成本等关键参数设置。
🖼️ 关键图片
📊 实验亮点
在100个C-MAPSS引擎的评估中，TCN-AE的AUROC/AUPRC达到了0.9570/0.8960，显著优于MOMENT重建的0.7310/0.3080，且在MIMII泵的评估中，OCSVM同样超越了MOMENT重建。这些结果表明，TSFMs在特定任务下具有显著的性能优势。
🎯 应用场景
该研究的潜在应用领域包括工业设备监控、故障检测和预测维护等。通过优化模型选择和部署策略，企业可以更有效地监控设备状态，降低维护成本，提高生产效率，未来可能对智能制造和工业4.0产生深远影响。
📄 摘要（原文）
Industrial monitoring models must detect operationally relevant deviations while satisfying target-specific data, calibration, and resource constraints. Time-series foundation models (TSFMs) promise reusable representations and zero-shot forecasts, yet evidence for their deployment value remains mixed when task definitions are heterogeneous and lightweight baselines are competitive. This work presents a protocol-aware empirical assessment across three settings: a C-MAPSS degradation-risk proxy, normal-only training for anomalous-sound detection on MIMII, and BDG2 forecasting-residual diagnostics with synthetic target perturbations. We assess classical one-class methods, compact neural autoencoders, residual forecasters, MOMENT-small, Chronos-T5, and TimesFM 2.5 in terms of anomaly-ranking performance, risk-horizon sensitivity, residual forecasting and perturbation sensitivity, and local implementation cost. Across 100 C-MAPSS engines evaluated out of fold, TCN-AE reaches fold-weighted AUROC/AUPRC 0.9570/0.8960, compared with 0.7310/0.3080 for MOMENT reconstruction; paired engine-cluster bootstrap confidence intervals exclude zero for both differences. Across five matched MIMII pump evaluations, OCSVM also exceeds MOMENT reconstruction in AUROC and AUPRC. On a fixed 12-meter BDG2 panel, TimesFM 2.5 has the lowest aligned forecast error and the highest synthetic AUROC point estimate, although synthetic AUPRC is similar across TSFM and fitted residual models. Same-device measurements show that MOMENT incurs higher latency, peak allocated VRAM, and serialized state-dictionary size than TCN-AE. Under the evaluated frozen and zero-shot settings, TSFMs are task-dependent deployment options rather than default replacements for fitted lightweight models.