《Algorithms》：Bayesian Monitoring of Milling Processes: Experiment-Disjoint Evaluation and Cross-Machine Diagnostics
编辑推荐：
专业摘要翻译：可靠的铣削监测需要经过校准的干预概率以及尊重实验聚类的评估。这项方法与评估研究考察了分层贝叶斯自适应融合（Hierarchical Bayesian Adaptive Fusion, HBAF），该融合结合了经过校准的TabM和高斯朴素贝叶斯（G
专业摘要翻译：可靠的铣削监测需要经过校准的干预概率以及尊重实验聚类的评估。这项方法与评估研究考察了分层贝叶斯自适应融合（Hierarchical Bayesian Adaptive Fusion, HBAF），该融合结合了经过校准的TabM和高斯朴素贝叶斯（Gaussian Naive Bayes）专家。MSM提供了927条源机器切削路径，以及来自一台经过历史检查的第二台机器的1585条路径。嵌套开发评估使用来自11个实验的563条路径；冻结评估额外使用172条内部测试路径和第二机器队列。HBAF的开发实现了MCC 0.6383、PR-AUC 0.8552和Brier分数0.0773，但等权融合和非分层对照组在若干指标上仍然更强。附加的组件、前缀、尺度敏感性和NUTS分析并未确立一般的分层融合优越性或均匀有效的Laplace不确定性。冻结的HBAF性能在内部降至MCC 0.4587和PR-AUC 0.5820，在跨机器上降至MCC 0.1040和PR-AUC 0.2809。实验感知的推断也未能确立非对称成本优越性。本研究的贡献在于一个防泄漏的评估框架和一个可复现的案例研究，该研究界定了贝叶斯自适应融合的局限性。历史检查的迁移数据、条件后验不确定性和假设性错误成本并不支持独立跨机器确认或工业部署验证的主张。
论文解读文章：
**研究背景与问题**
在铣削加工监测中，可靠的过程监控需要区分过程偏差与刀具、材料、运行工况及机器特定记录条件的变化。即使分类器具有较高准确率，若其输出概率校准不良或在不同实验组间性能波动，仍可能提供误导性的决策支持。因此，需要对判别能力、概率质量、不确定性和干预决策后果进行联合评估。现有研究虽探索了多种多传感器监测方法，但普遍存在实验组依赖、标签有限、迁移性差以及评估泄漏等问题。本研究旨在回答一个关键问题：在考虑实验聚类、有限调参预算和近似推断后，分层贝叶斯自适应融合（HBAF）是否比更简单的概率决策规则更具价值？该研究以HBAF为案例，而非预设其方法论优越性。
**研究目标与核心方法**
研究人员提出了一个实验隔离的评估框架，将专家组合、分层适应、后验近似、不确定性排序和决策效用分离。数据来自开放的MSM数据集（Multi-Sensor and MTConnect Dataset of Metal Cutting Anomaly in Milling），其中imi_vmx30ui域包含927条带注释的切削路径（19个实验），imi_vm20i包含1585条路径（37个实验）。开发评估使用11个实验的563条路径，冻结评估使用172条内部测试路径和第二机器队列。为防止泄漏，所有拟合、特征选择、校准和阈值确定均在嵌套训练分区内完成，验证集和内部/外部结果不参与任何选择。主要方法包括：泄漏安全的表征与预处理（基于注释相对前缀的统计特征）、对照模型比较（18个模型族、35种配置）、HBAF架构（由TabM和高斯朴素贝叶斯作为校准专家，通过基于熵和分歧的分层门控进行融合）、Laplace近似与NUTS参考推断、选择性预测与决策成本分析，以及冻结的内部和跨机器评估。关键步骤包括利用互信息选择Top-64特征，使用实验感知的引导重采样和精确置换检验进行配对推断，并通过Holm方法进行多重性校正。
**主要研究结果**
* **数据结构与迁移难度**：数据审计未发现重复或重叠问题，但外部领域分类器的分组OOF AUROC达0.9962，显示训练与外部机器之间存在显著分布偏移。源定义兼容性分析显示，55个源通道中仅43个可映射至目标机器，结构不兼容性量化了迁移难度。
* **独立模型比较**：在开发OOF预测上，高斯朴素贝叶斯具有最高的独立MCC（0.6748），其次为FT-Transformer（0.6721）和TabM（0.6704）。HBAF的MCC为0.6383，PR-AUC为0.8552，AUROC为0.9548，Brier分数为0.0773。时序分类器（如Causal TCN、InceptionTime、PatchTST风格）在此有限预算下表现较弱，但这一结果不能证明时序归纳偏差普遍无用。
* **消融与分组稳定性**：无分层对照的MCC为0.6716，等权融合的PR-AUC为0.8609，均高于完整分层HBAF的相应指标。额外的逻辑堆叠对照表现极差（MCC 0.2179），但这是特定于未惩罚、小分组交叉拟合设置的结果。在30个假设的Holm校正后，仅对弱逻辑堆叠对照的PR-AUC、Brier和NLL对比通过显著性检验；随机效应或后验积分未显示系统性优势。HBAF在最小最差组Brier和NLL上表现最佳，但其最差组MCC为负，说明概率损失的优势不伴随稳健的判别性能。
* **近似推断与条件不确定性**：条件NUTS参考分析在15个边界中的13个通过采样诊断，但边界3和6存在发散。即使采样诊断可接受，Laplace近似与NUTS之间的概率预测仍存在显著差异（如边界8的概率RMSE为0.1383，最大差值为0.3153）。因此，单模Laplace近似不能被描述为均匀有效，其标准差也不代表全部校准的认知不确定性。
* **选择性预测与决策场景**：贝叶斯融合SD的Brier AURC（0.0239）逊于父熵（0.0207）和融合预测熵（0.0161）。在50%覆盖率下，父熵的Brier风险也更低。预测熵减贝叶斯SD的探索性效应为-0.0079（95%区间[-0.0283, -0.0006]），表明不存在特殊的贝叶斯排序优势。在非对称成本比率下，HBAF虽在某些比率下点成本较低，但所有12个配对对比区间均包含零，且未通过Holm校正，非对称成本优势未获确认。测量到的批量大小为1时，从准备特征到决策的平均延迟为6.0463毫秒/路径，批量192时为0.0938毫秒/路径，但不包括传感器采集和原始路径聚合。
* **观测比例权衡**：单独重拟合的前缀实验显示非单调权衡：25%观测时MCC为0.7052和召回率0.9150，但后续前缀改善了几种概率排序和适当损失估计。100%单前缀拟合的MCC为0.6172，不覆盖主HBAF结果，因为主系统的父专家是在四个前缀视图上联合训练的。
* **冻结内部与跨机器评估**：冻结HBAF在172路径内部集上MCC降至0.4587，PR-AUC 0.5820，AUROC 0.7603，Brier 0.1209。在历史检查的第二机器上，MCC进一步恶化至0.1040，PR-AUC 0.2809，AUROC 0.4871，校准斜率仅为0.1642，召回率0.0146。相比之下，XGBoost（MCC 0.4068；PR-AUC 0.8138）和CatBoost（PR-AUC 0.9188）在跨机器描述性估计上更强。这些结果未用于重新调参，且由于第二机器池已被历史检查，不能视为独立确认。
**讨论与结论**
总体而言，HBAF的开发概率质量具有竞争力，但分层和后验积分并未展现出一致的增量优势。等权融合和无分层控制仍是强替代方案；Laplace不确定性未获均匀验证；性能在内部和跨机器队列中显著下降。研究的主要贡献在于提供了一个防泄漏的实验隔离评估框架，以及一个清晰界定贝叶斯自适应融合局限性的可复现案例研究，包括不利结果。研究人员指出，小样本和类不平衡限制了估计和推断，条件NUTS参考虽比低ESS重要性采样更强，但并未证明原始Laplace近似。选择性预测中替代不确定性排序常匹配或优于条件融合SD，而分布偏移下的低条件不确定性不应被视为路径安全的信心。跨机器模式访问是结构性的而非结果性的，但阻止了严格的纯源域声明；历史检查也使其无法作为新密封确认。独立收集的兼容CNC队列、真实工业成本数据和部署特定时序测量仍是提出更强泛化或运营主张的必要条件。该研究确立了透明证据的重要性，拒绝将架构复杂性本身视为工业泛化差距的解决方案。
