维修工单大模型结构化解析实验进展

设备维修工单多以自由文本记录，字段缺失、表述随意，难以直接用于故障统计与知识沉淀。实验室近期围绕大模型的工单结构化解析开展实验，选取某装备制造客户近两年约1.2万条历史工单作为评测集，对比通用大模型提示工程与7B级开源模型LoRA领域微调两条路线。
实验要点：

• 提示工程路线在设备名称、故障现象字段上F1约0.88，但对厂内自造术语与口语化表述的召回偏低；
• 基于3000条标注样本微调后，整体字段F1提升至0.94，单条推理约0.8秒，可满足批量回溯处理需求。

下一步计划将解析结果与故障知识库关联，验证其在停机归因分析中的实际增益，并评估私有化部署后的稳定性与模型更新机制。需说明的是，当前结论仅基于单一行业语料，跨厂区、跨设备类型的泛化能力仍待进一步验证。