设备读数一直正常，随后波动突然变大，但平均值没变。只盯均值的监控可能看不出异常。变点检测要找的正是这类“数据规律换了”的时刻；在线检测则要求数据一到就判断，尽快报警，同时控制误报和计算成本。
gridcp把这件事做成了开源 Python 工具。它最关键的一步，是不再反复检查历史中的每个可能切分点，而采用稀疏几何网格——近期检查得密，越久远的位置越稀。论文称，对一大类统计检验，这能让每次更新的计算量和内存占用只随数据流长度按对数增长，而不是至少线性增长。
工具内置九种经 Numba 加速的检验，可识别均值、方差、协方差和回归系数等变化，也允许接入自定义检验。它还提供 Monte Carlo（大量随机模拟）校准，把报警阈值对准目标误报概率或平均无误报运行时长。作者称，模拟和三个真实数据案例显示校准准确、运行效率良好且检测延迟较短；这些效果仍主要来自论文自述。