基于异构数据的工业维护证据驱动推理
人工智能
2026-03-10 v1
摘要
工业维护平台包含丰富但碎片化的证据，包括自由文本维修订单、异构的运行传感器或指示器，以及结构化的故障知识。这些来源往往在孤立状态下进行分析，产生的警报或预测不支持条件决策：鉴于该资产的历史记录和行为，正在发生什么以及需要采取什么行动？我们提出Condition Insight Agent，一个已部署的决策支持框架，通过整合维护语言、运行数据的行为抽象以及工程故障语义，来产生以证据为依据的解释和指导性行动。该系统通过确定性证据构建和结构化故障知识约束推理，并应用基于规则的验证循环来抑制不受支持的结论。来自生产CMMS部署的案例研究表明，该验证优先设计在异构且数据不完整的情况下可靠运行，同时保持人类监督。我们的结果表明，受约束的大型语言模型推理可作为受管控的工业维护决策支持层发挥作用。
引用
@article{arxiv.2603.08171,
title = {Evidence-Driven Reasoning for Industrial Maintenance Using Heterogeneous Data},
author = {Fearghal O'Donncha and Nianjun Zhou and Natalia Martinez and James T Rayfield and Fenno F. Heath and Abigail Langbridge and Roman Vaculin},
journal= {arXiv preprint arXiv:2603.08171},
year = {2026}
}