大模型驱动的维修工单结构化实验进展

近期，大模型应用实验室围绕工业维修工单的结构化处理开展实验性探索。产线报修记录多为口语化、非标准文本，字段缺失与表述歧义长期制约故障统计与知识沉淀。团队基于开源大模型进行领域微调，结合小样本标注策略，将自由文本自动解析为设备、部位、故障现象、处理措施等标准字段。阶段性进展：一、在自建3200条脱敏工单测试集上，关键字段抽取F1值达0.87，设备名称与故障部位识别表现稳定，处理措施字段因表述差异较大，仍有提升空间；二、引入领域术语表约束解码后，模型对撞缸、串液等厂内俗称的映射错误率由12.6%降至3.8%。下一步将扩展多厂区工单样本，验证跨产线泛化能力，并探索抽取结果与既有故障知识库的自动关联，为根因分析提供结构化数据基础。该工作目前处于实验阶段，尚未进入生产部署。