基于异构数据的工业维护证据驱动推理

工业维护平台包含丰富但碎片化的证据，如自由文本工单、异构传感器数据及结构化故障知识。现有方法常孤立分析这些数据，难以支持条件决策。本文提出“状态洞察代理”，这是一个已部署的决策支持框架，整合了维护语言、操作数据的行为抽象及工程故障语义，以生成基于证据的解释和建议动作。该系统通过确定性证据构建和结构化故障知识约束推理过程，并应用基于规则的验证循环来抑制无支持的结论。案例研究表明，该设计在数据异构且不完整的情况下仍能可靠运行，同时保留人工监督，展示了受约束的大模型推理如何作为工业维护中受管控的决策支持层。