工厂维修记录多以口语、缩写和方言留存，字段缺失、口径不一，难以直接用于统计与知识沉淀。本阶段实验把大模型放在记录入口：先做语音转写与文本清洗，再按固定 schema 抽取设备编号、故障现象、疑似部位、处置动作、更换备件与停机时长，并用检索增强把口语部位名对齐到设备台账与既有故障树编码。为避免模型“补全”未发生的信息，抽取结果需通过规则校验（编号存在性、时间先后、备件与设备匹配），存疑字段标注待人工确认，不直接入库。
进展：在某产线试点的约 300 条历史维修记录上，核心字段抽取一致率约 92%，部位编码对齐约 86%；采用小参数模型加检索方案，单条处理耗时约 1.5 秒，主要误差集中在多故障并发的记录。
下一步计划：将结构化结果回流知识库，用于相似故障检索与备件消耗预测；同时补充多故障记录的拆分标注，验证长文本切分与分段归因策略是否稳定。
评论