一种云边端协同的仓储设备预测性维护智能体编排方法及系统与流程
本技术涉及云边端智能运维领域,尤其涉及一种云边端协同的仓储设备预测性维护智能体编排方法及系统。
背景技术:
1、随着自动化立体仓库的规模化应用,堆垛机、穿梭车及货架结构等仓储设备长期处于高频往复运行状态,其运行数据与传感数据的实时监测和预测性维护,对保障仓储物流系统连续稳定运行具有重要意义。为在保障数据本地处理时效的同时兼顾全局管理,业界普遍采用云平台与边缘节点协同的架构,将设备状态监测与维护决策分布于云边两端协同完成。
2、相关技术中,通常一种云边端协同的仓储设备预测性维护方案,包括在边缘节点部署诊断模型,对采集到的设备运行数据与传感数据进行推理,输出故障类别及健康评分等诊断结果;云平台汇聚各边缘节点上报的诊断结果,并依据预先配置的维保规则,匹配生成相应的维护操作建议,再由运维人员据此实施维护。
3、然而,在告警或咨询触发后需要快速形成可执行维护决策的应用场景下,上述方案的维护建议仅由固定维保规则按诊断结果机械匹配得到,缺乏对设备运行数据、传感数据摘要及关联记录等多源信息的自动汇聚与分步推理,运维人员往往还需人工组织现场信息并二次研判,从而增加了从异常发现到形成受确定性诊断结果约束的、可执行维护决策的时间开销。
技术实现思路
1、本技术提供了一种云边端协同的仓储设备预测性维护智能体编排方法及系统,用于提升维护效率。
2、第一方面,本技术提供了一种云边端协同的仓储设备预测性维护智能体编排方法,应用于云平台,云平台与至少一个边缘节点通信连接,边缘节点关联仓储设备,方法包括:响应于针对目标仓储设备的告警事件或咨询请求,初始化会话上下文,目标仓储设备为仓储设备中触发告警事件或咨询请求的仓储设备;根据会话上下文调用工具接口,采集目标仓储设备的运行数据、传感数据摘要及关联记录,并根据所采集的数据构建设备健康上下文包;将设备健康上下文包发送至目标仓储设备所属的边缘节点,接收边缘节点对设备健康上下文包进行确定性推理后返回的确定性诊断结果,确定性诊断结果包括故障类别与健康评分;将确定性诊断结果输入维保规则引擎,得到维保规则引擎输出的结构化维保草案,结构化维保草案包括维护优先级与维护操作步骤;在确定性诊断结果与结构化维保草案的约束下,调用大语言模型生成针对目标仓储设备的维护建议;将维护建议作为待确认草稿输出,并响应于接收到的针对待确认草稿的人工确认指令,调用工单草稿接口执行工单草稿的创建。
3、通过采用上述技术方案,编排系统将分散的多源信息归集为设备健康上下文包,替代了运维人员人工组织现场信息的环节;编排系统将该上下文包发送至边缘节点进行确定性推理获得故障类别与健康评分,再由维保规则引擎映射为含维护优先级与维护操作步骤的结构化维保草案,随后在该确定性结论的约束下调用大语言模型完成自然语言组织。由此,编排系统将异常发现到形成维护决策的信息汇聚、分步推理与决策组织串联为自动流程,缩短了从异常发现到形成受确定性诊断结果约束的可执行维护决策的时间开销,提升了维护效率。
4、结合第一方面的一些实施例,在一些实施例中,在确定性诊断结果与结构化维保草案的约束下,调用大语言模型生成针对目标仓储设备的维护建议,包括:将结构化维保草案设定为大语言模型进行生成的硬约束边界;调用大语言模型在硬约束边界内生成符合预定义数据结构的维护建议。
5、通过采用上述技术方案,编排系统使大语言模型仅承担在既定结论内进行自然语言组织与解释的职能,而不自主判定故障类型与处置方向,避免其输出脱离现场数据与确定性诊断结果。由此,编排系统在借助大语言模型提升维护建议可读性的同时,将生成结果约束于确定性结论内,保证维护决策的可控性。
6、结合第一方面的一些实施例,在一些实施例中,在调用大语言模型在硬约束边界内生成符合预定义数据结构的维护建议之后,方法还包括:将维护建议中的字段与结构化维保草案中的对应字段逐字段比对;当维护建议中存在与结构化维保草案冲突的字段时,以维保规则引擎输出的对应字段值覆盖维护建议中的冲突的字段,得到更新后的维护建议;在得到更新后的维护建议之后,生成偏差日志,偏差日志包括冲突的字段的标识、覆盖前的字段值及覆盖后的字段值。
7、通过采用上述技术方案,编排系统识别维护建议中存在与结构化维保草案取值不一致的冲突字段,进而针对每一处覆盖生成含冲突字段标识、覆盖前字段值及覆盖后字段值的偏差日志并持久化存储,使大语言模型生成结果与规则化结论之间的偏差可被追溯与核查。由此,编排系统在保留大语言模型生成能力的前提下,为维护决策提供了字段级的一致性校正与偏差留痕,提升了维护建议的可靠性与可审计性。
8、结合第一方面的一些实施例,在一些实施例中,方法还包括:为维护建议中的各条建议绑定证据引用列表;证据引用列表包括建议所依据的数据源标识、维保规则引擎的规则条目标识及确定性诊断结果的置信度。
9、结合第一方面的一些实施例,在一些实施例中,云平台维护有案例索引库;案例索引库的索引条目由边缘节点在上报确定性诊断结果及工单草稿对应的处置结果时写入,索引条目包括仓库标识、设备类型、故障类别、健康评分区间、处置措施摘要及修复效果标签。
10、结合第一方面的一些实施例,在一些实施例中,在确定性诊断结果与结构化维保草案的约束下,调用大语言模型生成针对目标仓储设备的维护建议,方法还包括:根据确定性诊断结果检索案例索引库,得到与目标仓储设备同类的仓储设备的对标索引条目;将对标索引条目作为大语言模型的输入之一,以生成维护建议。
11、结合第一方面的一些实施例,在一些实施例中,设备健康上下文包还包括目标仓储设备的指定指标的历史时序摘要;将对标索引条目作为大语言模型的输入之一,包括:根据历史时序摘要确定目标仓储设备的退化阶段;根据退化阶段对检索得到的对标索引条目进行筛选,保留退化阶段与目标仓储设备相符的对标索引条目;按照所保留的对标索引条目中的修复效果标签对所保留的对标索引条目进行排序,将排序后的对标索引条目作为大语言模型的输入之一,以生成维护建议。
12、结合第一方面的一些实施例,在一些实施例中,初始化会话上下文时,将设备健康上下文包中反映目标仓储设备运行状态的若干指标和若干指标在构建时刻的第一取值记录于会话上下文。
13、结合第一方面的一些实施例,在一些实施例中,结构化维保草案还包括维护操作步骤的适用指标范围;在将维护建议作为待确认草稿输出之后,方法还包括:向目标仓储设备所属的边缘节点发送对若干指标的核验请求,接收边缘节点返回的若干指标的当前取值,得到第二取值;将第一取值与第二取值进行比对,得到指标偏离量;当指标偏离量超出适用指标范围时,将待确认草稿标记为失效,并针对目标仓储设备重新初始化会话上下文。
14、第二方面,本技术提供了一种云边端协同的仓储设备预测性维护智能体编排系统,应用于云平台,云平台与至少一个边缘节点通信连接,边缘节点关联仓储设备,其特征在于,编排系统包括:会话管理模块,用于响应于针对目标仓储设备的告警事件或咨询请求初始化会话上下文,并对会话上下文的生命周期进行维护,目标仓储设备为仓储设备中触发告警事件或咨询请求的仓储设备;数据汇聚模块,用于根据会话上下文调用工具接口采集目标仓储设备的多源数据,多源数据包括目标仓储设备的运行数据、传感数据摘要及关联记录,并根据所采集的多源数据构建设备健康上下文包;协同诊断模块,用于将设备健康上下文包发送至目标仓储设备所属的边缘节点,并接收边缘节点对设备健康上下文包进行确定性推理后返回的确定性诊断结果,确定性诊断结果包括故障类别与健康评分;约束生成模块,用于将确定性诊断结果输入维保规则引擎得到结构化维保草案,并在确定性诊断结果与结构化维保草案的约束下调用大语言模型生成针对目标仓储设备的维护建议,结构化维保草案包括维护优先级与维护操作步骤;工单处理模块,用于将维护建议作为待确认草稿输出,并响应于接收到的针对待确认草稿的人工确认指令调用工单草稿接口执行工单草稿的创建。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com