设备维修知识通常散落在工单、手册和老师傅经验里，多品种小批量车间换型频繁，新人排故耗时长。本实验尝试用检索增强的大模型，把维修工单、设备说明书、点检记录组织成可查询的知识层，而不是让模型凭记忆作答。
做法上先把非结构化文本切分并标注：设备型号—部件—故障现象—处置动作—停机时长，形成检索标签体系。提问时先召回候选工单与手册段落，再由大模型归纳，答案必须附带来源片段和工单编号；检索置信度不足时直接返回“建议转人工”，避免编造处置步骤。
目前进展：在某机加工车间完成内部试点，覆盖约2000条历史工单、12类设备。小样本测试中，常见故障的Top-3检索命中率约八成，现场反馈的主要价值集中在“定位到相似工单”而非直接给结论。
下一步计划：接入点检与工单系统，记录被采纳和被否定的回答，形成反馈闭环；同时按误答成本分级，对涉及安全与停机的处置只做检索推荐，不自动下发。
评论