设备维修工单大模型结构化抽取实验进展

近期，大模型应用实验室围绕设备维修工单的自动结构化开展了一轮封闭实验。维修工单普遍存在文本口语化、字段缺失、表述不规范等问题，传统规则模板覆盖率有限。实验基于开源7B级大模型，使用约3000条脱敏历史工单进行LoRA微调，目标是从非规范文本中抽取故障部位、故障现象、处置动作、更换备件四类关键字段，并生成一段标准化处置建议。
阶段性结果：
· 关键字段抽取F1值达0.87，其中故障部位与处置动作两类字段表现最好；更换备件字段因口语别名较多（如“轴承”与“瓦”混用），仍需补充同义词表；
· 生成的处置建议在人工盲评中“可直接采用”占比约72%，主要问题是个别建议过于笼统、缺少安全作业提示。
下一步计划：引入备件主数据与安全作业规程作为检索依据，约束生成内容的事实性；同步测试量化部署后的推理时延，验证在车间边缘服务器单卡运行的可行性。实验室将以真实工单回流数据持续迭代模型，抑制通用语料带来的幻觉输出。