Статья посвящена разработке статистической модели обнаружения аномалий в потоковых данных промышленных систем, основанной на механизме скользящего окна, адаптивной оценке ковариационной матрицы с экспоненциальным забыванием и обобщённой статистике Хотеллинга. Актуальность исследования определяется возрастающими требованиями к оперативности выявления дефектов на ранних стадиях их развития в условиях непрерывного поступления многомерных измерений от датчиков вибрации, температуры и давления. Научная новизна состоит в обосновании правила останова для перекрывающихся окон с доказательством асимптотической формулы среднего времени до ложной тревоги ARL0, учитывающей корреляцию статистик соседних окон, а также в разработке процедуры исключения утечки данных между калибровочной, валидационной и тестовой подвыборками. Методология включает имитационное моделирование стационарного потока с нормальным распределением для верификации теоретических оценок ARL0 и экспериментальную верификацию на данных вибрационного мониторинга подшипников из набора CWRU Bearing Data Center с частотой дискретизации 12 кГц. Сравнение с изоляционным лесом, автоэнкодером и процедурой скользящего отношения правдоподобия при одинаковом номинальном ARL0 = 370 показало, что предлагаемая модель обеспечивает вероятность обнаружения 0,91 при сдвиге в одно стандартное отклонение, уступая процедуре отношения правдоподобия на 8-10% при малых сдвигах, но превосходя изоляционный лес и автоэнкодер на 30-45% по среднему времени обнаружения. Площадь под ROC-кривой составила 0,943, что статистически значимо превышает соответствующие показатели изоляционного леса (0,871) и автоэнкодера (0,908) при уровне значимости 0,01 по критерию Делонга. Вычислительная сложность обновления статистики порядка O(p2) арифметических операций на одно наблюдение при размерности признакового пространства p = 12 позволяет реализовать алгоритм на встраиваемых контроллерах начального уровня с объёмом рабочей памяти не более 10 кбайт. Практическая значимость работы заключается в обосновании применимости предложенной схемы для предиктивного обслуживания оборудования в условиях ограниченных вычислительных ресурсов и повышенного уровня импульсных помех.