维修日志文本结构化实验：故障知识库初建

在数据智能方向的近期探索中，我们关注到制造现场大量有价值信息以非结构化文本形式沉淀：维修工单、交接班记录、故障描述。本阶段实验选取某机加工车间近两年约6000条维修日志，尝试用大语言模型将其结构化，抽取故障现象、疑似原因、处理措施、停机时长四类字段，并映射到统一受控词表。
要点：
· 抽取效果：在人工标注的300条测试集上，故障现象字段准确率约92%，原因归类约81%，停机时长等数值字段基本可全自动提取；
· 数据发现：同一故障在不同班组的表述差异明显，词表需保留同义词映射；约15%的日志描述过于简略难以抽取，已反馈车间规范记录模板。
下一步将结构化结果与设备台账、报警数据关联，搭建“现象—原因—措施”检索原型，辅助维修人员在新故障发生时快速参考历史处置经验；同时评估小模型微调在成本与效果之间的平衡，为后续规模化应用提供依据。