本論文では、動的な産業環境における予測モデルの堅牢性を制限する2つの重要な課題、コンセプトドリフトとラベルの不足に対処するための適応サンプリングフレームワークを提案しています。既存のドリフト検出手法は、主にグローバルなシフトを仮定し、密な監視に依存しているため、局所的なドリフトや限られたラベルを持つ回帰タスクには不適切です。提案されたアプローチは、残差ベースの探索と活用を組み合わせ、EWMA（指数加重移動平均）モニタリングを使用して、ラベリング予算の制約下での局所的コンセプトドリフトを効率的に検出します。合成ベンチマークおよび電力市場に関するケーススタディの実験結果は、ラベル効率とドリフト検出精度において優れた性能を示しました。