IPM-FM：用于工业过程监控的共识特征选择基础模型

工业过程监控是现代过程工厂安全和经济绩效的基础。当前的实践仍然是一种单任务一模型范式，这种范式标签效率低下，并且在操作漂移下容易退化。基础模型重塑了语言、视觉和通用时间序列预测，但尚未适应工业过程监控。这种设置带来了特定领域的挑战，包括安全关键决策以及过程变量和实验室测量之间的不对称采样。我们提出了工业过程监控基础模型（IPM-FM）。它首先通过自监督预训练从未标记的工业过程数据中学习通用表示，然后使用少量任务标记数据适应特定的监控任务，最后通过不确定性感知预测头产生校准预测。 IPM-FM 将自我监督的 Informer 主干与多标准共识特征选择器、递归滞后特征回归头和校准的蒙特卡洛丢失不确定性模块集成在一起。在柴油闪点软传感的七年加氢处理机数据集上，IPM-FM 的 RMSE 为 2.99，$R^2$ 为 0.50，其 95\% 预测区间的覆盖率为 97\%，在 RMSE 上分别优于最强的经典和从头开始序列基线 8.3\% 和 14.6\%，支持工业过程统一预训练-适应框架的可行性监控。