在离散制造现场，一次非计划停机的线索常分散在三处：设备PLC报警、MES工单状态、传感器时序曲线。三者时间基准不一致、采样频率相差数个数量级，人工比对通常需要半小时以上，且结论高度依赖老师傅经验。数据分析实验室近期的一项实验，尝试把这条链路自动化。
做法上不追求端到端大模型，而是先把数据对齐，再谈推理：以PLC报警上升沿为锚点，将传感器时序重采样到统一窗口，日志按事件语义抽成结构化字段，合成一张“停机事件表”。归因模型在其上做两件事——用规则库覆盖已知故障模式，用异常检测打分捕捉规则未覆盖的偏离，结果合并后按置信度排序输出候选原因。
阶段性进展：
- 在一条含12台设备的试验线上离线回放近6个月停机记录，Top-3候选原因命中率约82%，平均归因耗时由人工约30分钟降至2分钟以内；对规则未覆盖的少量新故障，模型可给出“疑似”提示，尚不稳定。
- 下一步计划：将归因结论反向注入报警阈值配置，验证能否减少重复误报，并补充跨班次、跨产线的迁移测试。
结论保持克制：归因结果定位为“给维修人员的候选清单”，而非自动定责。数据质量仍是主要瓶颈，时间戳漂移超过2秒的批次需先做清洗。
评论