设备维修记录多以自由文本存在，难以直接支撑故障统计与备件预测。数据分析实验室近期以某工厂近两年约4200条维修工单为样本，测试了大模型辅助的结构化抽取流程，目标是把非结构化记录转为可分析的维护台账。实验要点：1、按“设备、故障现象、原因、处理措施、停机时长”五类字段抽取，以约300条人工标注做评测，字段级准确率约92%；其中故障现象与处理措施两项最稳定，原因字段因表述口语化波动较大。2、通用模型对车间俚语与方言写法识别不稳，补充约200条的厂内术语对照表后，整体准确率提升约6个百分点，成本远低于重新微调。下一步计划：将抽取结果接入故障帕累托分析，验证其对月度维护重点排序的参考价值；同时评估私有化部署下的推理成本，判断该流程能否推广至点检与排班记录。
评论