← 返回实验室

AI设备报警归因定制:日志聚类与大模型解释

设备报警的难点不在“报没报”,而在“为什么报、先动哪里”。同一台设备在数分钟内可能产生数十条来自 PLC、上位机与传感器的报警,模板各异、时序交错,值班人员往往只能凭经验逐条排除。

本阶段实验把任务拆成两步:先用模板聚类与时间窗关联,把原始报警收敛为若干“报警事件簇”,并保留触发顺序、持续时长与前后工况参数;再由大模型在检索增强的约束下生成归因说明——只允许引用簇内证据与历史处置记录,输出“可能原因—支撑证据—建议动作”三段式内容,无证据时明确标注“信息不足”,不臆测结论。

进展与下一步:

  • 在一条包装产线的试运行中,模型对 213 个报警事件簇给出归因,与维修记录对照,首位原因命中率约 71%,其中“信息不足”标注占 12%,未出现无依据编造具体部件的情况;
  • 下一步补充换型、季节温差等工况标签,并把维修人员的最终处置结果回写为新的检索素材,观察归因命中率能否随闭环积累稳定提升。

当前定位仍是辅助值班判断,不替代联锁保护与人工确认。

评论

更多研究动态

查看全部实验室 →