1.本发明属于云计算技术领域,尤其涉及基于大语言模型构建设备故障诊断维修知识库的方法。
背景技术:
2.目前,对于工业生产现场的设备管理系统中,设备故障维修工作主要依靠人工经验与基于规则的诊断系统,人工经验难以实现有效积累与复用,以及实现系统化的管理与共享,造成知识(维修经验)的流失与重复建设。
3.为了保证对设备诊断维修的效率及效果,部分技术人员提出了设备定制化诊断维修系统的技术思路,然而,基于定制化开发的故障诊断维修系统,由于诊断的故障类型太过于针对性和局限性,无法实现复杂故障诊断。并且,很多维修经验都仅存在于个别企业内部,存在信息孤岛,难以实现行业经验共享。
4.因此,目前,企业的设备故障诊断维修,仍高度依赖于人工专家的个人经验和能力。
5.综上,怎样才能降低对人工专家的依赖,提高企业设备管理与运维的效率与经济效益,成为目前亟待解决的问题。
技术实现要素:
6.针对上述现有技术的不足,本发明提供了一种基于大语言模型构建设备故障诊断维修知识库的方法,可以降低对人工专家的依赖,提高企业设备管理与运维的效率与经济效益。
7.为了解决上述技术问题,本发明采用了如下的技术方案:基于大语言模型构建设备故障诊断维修知识库的方法,包括以下步骤:s1、搭建云平台,并在云平台上构建诊断维修知识库及诊断模型;所述诊断模型为神经网络语言模型;s2、租户申请加入云平台后,将历史维修数据同步到云平台,云平台对历史维修数据进行处理得到维修案例,将维修案例存储到诊断维修知识库,并使用维修案例对诊断模型进行训练;s3、租户的设备发生实际故障后向云平台进行故障报修,并录入实际故障信息;云平台查询知识库,判断是否存在相似度高于预设值的维修案例,若存在,则将维修案例发送给租户参考,并转到s5;若不存在则转到s4;s4、云平台调用诊断模型根据实际故障信息进行推理,得到最可能的故障原因并生成维修方案建议,并将故障原因及维修方案建议打包为参考方案发送给对应的租户,再转到s5;s5、租户的维修人员结合云平台发送的维修案例或参考方案,对设备的实际故障进行维修后,向云平台反馈实际维修方案及维修结果;
s6、若维修人员参考的是语言模型推荐的参考方案,则云平台将反馈的实际维修方案及维修效果与参考方案进行对比,分析两者的差异,并将对比分析的结果存储在诊断维修知识库中,用于为诊断模型的优化提供数据支撑;若维修人员参考的是维修案例且与实际维修方案有变化,则云平台将实际维修方案进行处理后存储到诊断维修知识库。
8.优选地,s2中,历史维修数据包括多个故障数据,每个故障数据均包括设备信息、故障描述、故障类型、故障原因和维修方案;对诊断模型进行训练时,训练的内容包括根据设备信息及故障描述诊断故障原因并生成维修方案建议。
9.优选地,s2中,对历史维修数据的处理包括过滤、整理与标准化处理。
10.优选地,s3中,所述实际故障信息包括实际故障的故障描述及设备参数。
11.优选地,s3中,录入实际故障信息时,填写或从诊断维修知识库选取故障描述。
12.优选地,s3包括:s301、租户的设备发生实际故障后,向云平台进行故障报修,录入设备信息、填写或从知识库选取故障描述;s302、云平台从诊断维修知识库中获取相似度高于预设值的维修案例;若不存在则转到s4,若存在则转到s303;s303、若获取到的维修案例数量为1个,则将该维修案例发送给租户作为参考,并转到s5;若获取到的维修案例数量大于1个,则转到s304;s304、引导报修人员根据提示补充故障描述,对获取到的维修案例进行进一步筛选,并将筛选出的最佳的1个维修案例发送给租户作为参考,并转到s5。
13.优选地,s5包括:s501、维修人员对故障设备进行检测及判断,确认云平台发送的维修案例或参考方案的准确性;若准确则转到s502,若不准确则转到s503;s502、维修人员按照维修案例或参考方案对涉及故障进行故障维修,并在维修完成后转到s504;s503、维修人员对照维修案例或参考方案进行修订,或人工重新进行诊断后,确定最终维修方案,并按照最终维修方案进行故障维修,并在维修完成后转到s504;s504、将实际维修方案及维修结果反馈给云平台。
14.优选地,在s6之后还包括s7,定期收集不同租户的使用评价反馈,对诊断模型及云平台的其他功能模块进行迭代优化。
15.本发明与现有技术相比,具有如下有益效果:1、使用本方法,可以对各租户(企业)的历史维修数据进行充分的利用。一方面,会构建诊断维修知识库对这些历史维修数据进行存储;在有租户的设备出现实际故障时,可以通过匹配的方式,为其推荐相似度高于预设值的维修案例供其进行参考,减少其维修的人力成本和时间成本。另一方面,还会对历史数据进行处理后,用于对诊断模型进行训练,当组合的设备出现故障,且不能匹配到相似度高于预设值的维修案例时,可通过诊断模型得到参考方案(即故障原因及维修方案建议),供租户对设备的实际故障进行维修时作为参考,同样能够减少其维修的人力成本和时间成本。
16.通过这样的方式,可以为设备故障及维修提供精准的诊断结果作为参考,可以提高维修的准确率,使维修工作的效率与质量均得到提高,节约维修成本,改善资源利用率,
且促进设备维修经验积累持续积累与创新,增强设备管理系统数字化升级的可持续性。并且,这样的处理方式,将大规模语言模型应用于设备故障诊断领域:利用大规模语言模型,实现设备故障诊断与维修方案推荐,在一定程度上突破了传统基于规则的故障诊断模式,将人工智能技术应用于制造业关键领域。
17.综上,本方法可以降低对人工专家的依赖,提高企业设备管理与运维的效率与经济效益。
18.2、本发明以云平台部署公共知识库,即诊断维修知识库,实现不同企业的维修案例与经验的汇集,可以打破信息孤岛,促进行业知识的共享与整合。
19.3、在云平台的应用过程中,本方法可以基于租户的实际反馈(使用体验反馈以及维修的实际结果反馈),对诊断模型及云平台的其他功能模块进行迭代优化,不仅可以保证诊断模型越来越符合实际的故障分析需求,还能使用户使用云平台时,拥有越来越好的操作体验。
20.4、本方法不仅实现诊断模型单向的优化提高,同时也通过诊断模型的推理结果(及维修人员的实际应用及修改)对知识库内容进行补充与完善,使知识库也随用户反馈与案例积累不断丰富,实现知识与模型的协同发展。
附图说明
21.为了使发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:图1为实施例的流程图;图2为实施例中步骤1的流程图;图3为实施例中步骤3的流程图;图4为实施例中步骤5的流程图。
具体实施方式
22.下面通过具体实施方式进一步详细的说明:实施例一:如图1所示,本实施例中公开了一种基于大语言模型构建设备故障诊断维修知识库的方法,包括以下步骤:s1、搭建云平台,并在云平台上构建诊断维修知识库及诊断模型;所述诊断模型为神经网络语言模型。
23.如图2所示,具体实施时,s1包括:s101、搭建云平台的基础架构,所述基础构架包括计算资源、存储资源、网络资源及安全机制;s102、在云平台上开发设备故障诊断维修知识库系统,所述系统包括诊断维修知识库及诊断模型,该系统支持故障报修、设备维修、验收、故障智能诊断。
24.s103、制定用户使用协议,明确用户数据采集范围及使用规则。
25.s2、租户申请加入云平台后,将历史维修数据同步到云平台,云平台对历史维修数据进行处理得到维修案例,将维修案例存储到诊断维修知识库,并使用维修案例对诊断模
型进行训练。
26.具体实施时,历史维修数据包括多个故障数据,每个故障数据均包括设备信息、故障描述、故障类型、故障原因和维修方案;对诊断模型进行训练时,训练的内容包括根据设备信息及故障描述诊断故障原因并生成维修方案建议。对历史维修数据的处理包括过滤、整理与标准化处理。
27.s3、租户的设备发生实际故障后向云平台进行故障报修,并录入实际故障信息;所述实际故障信息包括实际故障的故障描述及设备参数;录入实际故障信息时,填写或从诊断维修知识库选取故障描述。云平台查询知识库,判断是否存在相似度高于预设值的维修案例,若存在,则将维修案例发送给租户参考,并转到s5;若不存在则转到s4;如图3所示,具体实施时, s3包括:s301、租户的设备发生实际故障后,向云平台进行故障报修,录入设备信息、填写或从知识库选取故障描述;s302、云平台从诊断维修知识库中获取相似度高于预设值的维修案例;若不存在则转到s4,若存在则转到s303;s303、若获取到的维修案例数量为1个,则将该维修案例发送给租户作为参考,并转到s5;若获取到的维修案例数量大于1个,则转到s304;s304、引导报修人员根据提示补充故障描述,对获取到的维修案例进行进一步筛选,并将筛选出的最佳的1个维修案例发送给租户作为参考,并转到s5。
28.s4、云平台调用诊断模型根据实际故障信息进行推理,得到最可能的故障原因并生成维修方案建议,并将故障原因及维修方案建议打包为参考方案发送给对应的租户,再转到s5;s5、租户的维修人员结合云平台发送的维修案例或参考方案,对设备的实际故障进行维修后,向云平台反馈实际维修方案及维修结果;如图4所示,具体实施时,s5包括:s501、维修人员对故障设备进行检测及判断,确认云平台发送的维修案例或参考方案的准确性;若准确则转到s502,若不准确则转到s503;s502、维修人员按照维修案例或参考方案对涉及故障进行故障维修,并在维修完成后转到s504;s503、维修人员对照维修案例或参考方案进行修订,或人工重新进行诊断后,确定最终维修方案,并按照最终维修方案进行故障维修,并在维修完成后转到s504;s504、将实际维修方案及维修结果反馈给云平台。
29.s6、若维修人员参考的是语言模型推荐的参考方案,则云平台将反馈的实际维修方案及维修效果与参考方案进行对比,分析两者的差异,并将对比分析的结果存储在诊断维修知识库中,用于为诊断模型的优化提供数据支撑;若维修人员参考的是维修案例且与实际维修方案有变化,则云平台将实际维修方案进行处理后存储到诊断维修知识库。
30.s7、定期收集不同租户的使用评价反馈,对诊断模型及云平台的其他功能模块进行迭代优化。
31.使用本方法,可以对各租户(企业)的历史维修数据进行充分的利用。一方面,会构建诊断维修知识库对这些历史维修数据进行存储;在有租户的设备出现实际故障时,可以
通过匹配的方式,为其推荐相似度高于预设值的维修案例供其进行参考,减少其维修的人力成本和时间成本。另一方面,还会对历史数据进行处理后,用于对诊断模型进行训练,当组合的设备出现故障,且不能匹配到相似度高于预设值的维修案例时,可通过诊断模型得到参考方案(即故障原因及维修方案建议),供租户对设备的实际故障进行维修时作为参考,同样能够减少其维修的人力成本和时间成本。通过这样的方式,可以为设备故障及维修提供精准的诊断结果作为参考,可以提高维修的准确率,使维修工作的效率与质量均得到提高,节约维修成本,改善资源利用率,且促进设备维修经验积累持续积累与创新,增强设备管理系统数字化升级的可持续性。并且,这样的处理方式,将大规模语言模型应用于设备故障诊断领域:利用大规模语言模型,实现设备故障诊断与维修方案推荐,在一定程度上突破了传统基于规则的故障诊断模式,将人工智能技术应用于制造业关键领域。
32.本发明以云平台部署公共知识库,即诊断维修知识库,实现不同企业的维修案例与经验的汇集,可以打破信息孤岛,促进行业知识的共享与整合。
33.实施例二:为便于本领域技术人员更好的理解、实施本方法,本实施例中,通过一个实例的方式对本方法进行说明。使用本方法,云平台的构建、使用及优化的过程如下。
34.1. 构建云平台:采用b/s架构,用户通过浏览器访问云平台,云平台可部署设备维修模块、经验管理模块、诊断模型、计算资源等组件。验证用户后,使用用户同步上传的历史维修案例,进行诊断模型的训练,并将历史维修案例的数据处理后存入诊断维修知识库。
35.2. 用户访问:用户发现实时的设备故障后,登录云平台,进入设备维修模块;录入故障设备、使用环境、故障描述等信息,提交至云平台。
36.3. 查询历史案例:云平台查询知识库,检查是否存在相似读大于预设值的历史案例及维修方案(即维修案例),若存在,将相关内容显示给用户参考;相同故障描述若存在多个案例,则通过选项引导用户追加描述,筛选出相似读最高的一个推送给用户参考;若不存在,进入下一步。
37.4. 利用诊断模型实施诊断:将用户信息输入诊断模型,诊断模型综合设备类型、使用环境以及故障描述等因素,推荐出最可能的故障诊断结果与维修方案(即参考方案),显示给用户参考。
38.5. 监测与维修:将维修案例或参考方案推送给维修人员,首先通过人工检测设备初步验证准确性,若准确进行修复;若不同则重新诊断与修复;维修完成后填写实际执行方案。
39.6. 比对与存储:云平台将维修人员填写的实际执行方案与诊断模型推荐结果进行比对,分析两者差异,存储比对结果至知识库库,为模型优化提供数据支撑。
40.7. 用户验收:用户对比对结果及最终维修效果进行验收及评价,评分并填写评语;云平台收集评价内容,存储至知识库。
41.8. 模型与规则优化:经验管理模块定期分析存储在知识库的用户反馈与新案例,识别诊断模型与知识规则的不足,利用反馈内容进行优化调整。
42.9. 系统优化:云平台定期检查用户反馈与系统运行数据,对诊断模型与其他组件进行升级,不断优化系统性能与用户体验。
43.10. 新案例验证:优化后的诊断模型用于新案例诊断,获得的诊断结果与维修效
果再次由用户进行评价,重新进入循环,实现持续提高。
44.通过上述过程可以看出,在云平台的应用过程中,本方法可以基于租户的实际反馈(使用体验反馈以及维修的实际结果反馈),对诊断模型及云平台的其他功能模块进行迭代优化,不仅可以保证诊断模型越来越符合实际的故障分析需求,还能使用户使用云平台时,拥有越来越好的操作体验。此外,本方法不仅实现诊断模型单向的优化提高,同时也通过诊断模型的推理结果(及维修人员的实际应用及修改)对知识库内容进行补充与完善,使知识库也随用户反馈与案例积累不断丰富,实现知识与模型的协同发展。
45.最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制技术方案,本领域的普通技术人员应当理解,那些对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,均应涵盖在本发明的权利要求范围当中。