11. TinyML异常阈值设计：误报、漏报与维护成本平衡
在TinyML（微型机器学习）的实际部署中，模型训练完成只是第一步，真正决定系统能否长期稳定运行的关键，往往在于一个看似简单却极易被忽视的参数——异常检测阈值。阈值设得过高，故障设备可能长时间带病运行，最终导致严重损坏或安全事故；阈值设得过低，系统会陷入频繁误报的“狼来了”困境，运维人员疲于奔命，甚至直接关闭告警功能。本课程将系统性地拆解阈值设计背后的权衡逻辑，帮助你在误报率、漏报率与维护成本之间找到最优平衡点。
上图展示了TinyML异常检测中阈值设计的核心矛盾：阈值本质上是一个决策边界，它将模型输出的连续异常分数映射为“正常”或“异常”的二值判断。这个边界的位置直接决定了误报（False Positive）与漏报（False Negative）的发生频率，而两者又共同作用于系统的维护成本。理解这一三角关系，是进行阈值设计的第一步。
1.1 核心概念精确定义
在深入阈值设计方法之前，必须对几个关键术语建立精确的工程认知。这些概念在学术定义与工程实践之间存在细微差异，而正是这些差异决定了阈值设计的成败。
| 概念 | 学术定义 | 工程实践含义 | 典型代价 |
|---|---|---|---|
| 误报（FP） | 正常样本被判定为异常 | 设备正常但触发告警，运维人员需现场确认 | 人力成本、信任流失、告警疲劳 |
| 漏报（FN） | 异常样本被判定为正常 | 设备已异常但未告警，故障持续恶化 | 设备损坏、生产中断、安全风险 |
| 阈值（Threshold） | 分类决策边界 | 异常分数超过该值则触发告警 | 阈值本身无代价，但位置决定FP/FN比例 |
| 维护成本 | 误报与漏报的加权和 | 人力巡检、备件更换、停机损失、安全罚款 | 直接决定TinyML项目的ROI |
这里需要特别强调“告警疲劳”这一隐性成本。当误报率过高时，运维人员会逐渐对告警失去信任，甚至养成“先忽略、后确认”的习惯。一旦真正的异常告警出现，可能同样被忽略，导致漏报的实际危害被放大。因此，误报与漏报并非完全独立的指标，它们通过“人为因素”产生耦合效应。
1.2 阈值设计的方法论框架
阈值设计并非简单的“拍脑袋”或“凭经验”，而是一个可量化、可迭代的工程过程。以下框架适用于大多数TinyML异常检测场景，包括振动分析、温度监控、电流异常检测等。
- 数据收集与标注：收集至少覆盖“正常运行”和“已知故障”两类场景的数据，并尽可能收集“边缘退化”状态的数据。标注时需明确区分“健康”与“异常”的边界。
- 异常分数计算：使用TinyML模型（如自编码器、孤立森林、1D-CNN等）为每个样本输出一个异常分数。该分数通常表示样本偏离正常模式的程度。
- 初始阈值设定：基于验证集，使用统计方法（如均值+3σ）或分位数方法（如95%分位数）设定初始阈值。
- 成本加权评估：为误报和漏报分别设定代价系数（C_FP和C_FN），计算总成本 = C_FP × FP率 + C_FN × FN率。通过遍历不同阈值，找到总成本最低点。
- 动态调整机制：部署后持续监控误报/漏报率，根据实际运行数据定期（如每周）微调阈值。
上述流程中，第4步是最容易被忽视的环节。很多团队只关注准确率或F1分数，但F1分数假设误报与漏报代价相等，这在工业场景中几乎不成立。例如，在风力发电机齿轮箱监测中，一次漏报可能导致齿轮箱报废（代价约50万元），而一次误报仅需运维人员远程查看数据（代价约100元）。此时，F1分数最优的阈值并非成本最优的阈值。
1.3 案例拆解：电机轴承异常检测的阈值设计
下面通过一个完整的案例，展示阈值设计从理论到落地的全过程。该案例基于某工厂的电机轴承振动监测项目，使用TinyML模型在STM32L4微控制器上运行。
背景与约束：工厂有200台电机，每台电机安装一个三轴加速度传感器，采样频率为4kHz，每10秒上传一次振动特征（RMS、峰值、峭度等）。TinyML模型为轻量级自编码器，输入为32维特征向量，输出为重建误差（MSE）作为异常分数。系统要求：误报率不超过1次/台/天，漏报率不超过0.5%，且运维团队仅有2人。
初始现象：模型训练完成后，开发团队使用验证集（包含5000个正常样本和200个故障样本）绘制了ROC曲线，并选择约登指数（Youden's Index）最大的点作为阈值，即MSE = 0.023。在验证集上，该阈值的误报率为0.8%，漏报率为0.4%，看似满足要求。
关键输入数据：部署一周后，实际运行数据显示：误报率高达3.2%（每天约6次/台），漏报率为0.3%。进一步分析发现，误报主要集中在电机启动阶段和负载波动时段，这些场景下的振动特征与稳态运行存在差异，但并非故障。
分析判断过程：团队意识到，验证集的数据分布与真实运行场景存在偏差——验证集主要包含稳态数据，而实际运行包含大量瞬态过程。此外，约登指数假设误报与漏报代价相等，但实际中一次误报的处理成本约50元（远程查看+现场确认），一次漏报的潜在成本约2万元（轴承更换+停机损失），代价比约为1:400。
实际操作步骤：
- 重新收集两周的运行数据，补充标注“启动瞬态”和“负载波动”为正常状态。
- 使用代价敏感方法重新计算最优阈值：设定C_FP=1，C_FN=400，遍历MSE阈值从0.015到0.050，计算总成本。
- 发现当MSE=0.035时，总成本最低（误报率0.9%，漏报率0.6%）。虽然漏报率略高于初始目标，但综合成本下降了约60%。
- 在TinyML设备上增加“运行状态感知”逻辑：当电机处于启动或负载波动状态时，自动将阈值提高20%（即0.042），其他时间保持0.035。
结果对比：调整后运行一个月，误报率降至0.7次/台/天，漏报率为0.5%，均满足要求。更重要的是，运维人员从“每天处理1200条告警”变为“每天处理140条告警”，告警疲劳问题显著缓解。
风险与代价：动态阈值增加了代码复杂度，且需要额外的状态判断逻辑，消耗约2KB Flash和100字节RAM，在资源受限的MCU上可接受。但需注意，状态感知逻辑本身也可能出错，例如启动状态误判为稳态，导致阈值错误。
复盘经验：阈值设计必须基于真实运行数据，而非仅依赖实验室验证集；代价敏感设计比单纯追求准确率更符合工程实际；动态阈值是处理非平稳工况的有效手段，但需谨慎设计状态切换逻辑。
1.4 适用场景与边界条件
本课程讨论的阈值设计方法主要适用于以下场景：
- 设备状态监测：旋转机械、电机、泵、压缩机等工业设备的振动、温度、电流监测。
- 预测性维护：基于TinyML的剩余寿命预测、退化趋势分析。
- 环境监测：空气质量、水质、土壤参数的异常波动检测。
- 可穿戴设备：人体生理信号（心率、血氧）的异常预警。
同时，需要明确该方法的边界条件：
| 适用条件 | 不适用条件 |
|---|---|
| 异常分数具有连续分布特性 | 异常类型高度离散且无明确分数排序 |
| 有足够的正常/异常样本用于验证 | 异常样本极度稀缺（<10个） |
| 误报与漏报代价可量化 | 代价无法估计或随时间剧烈变化 |
| 设备运行状态相对稳定或可感知 | 运行状态完全随机且无法建模 |
在异常样本极度稀缺的情况下，建议采用无监督方法（如自编码器重建误差）并配合统计过程控制（SPC）中的控制图思想，使用EWMA（指数加权移动平均）等方法来平滑异常分数，减少随机波动导致的误报。
阈值设计不是一次性的工作，而是一个持续迭代的过程。随着设备老化、环境变化、负载模式改变，原本最优的阈值可能逐渐失效。建议建立“月度阈值复审”机制，每月分析一次误报/漏报率趋势，并结合维护记录调整阈值。在TinyML设备上，可以通过OTA（空中升级）方式远程更新阈值参数，无需现场修改固件。