跳到主要内容

准备预测性维护信号历史

预测性维护依赖稳定的设备身份和清洁的信号历史。使用本 recipe 在预测性维护工作流或 FactVerse AI Agent 预测性维护模块使用数据前，先通过 DFS 准备遥测、事件和维护记录。

准备流程​

交付结果​

完成后应具备：

  • 一个或多个已连接的数据来源；
  • 从源信号到设备或资产目标的已审阅映射；
  • 显示近期接入情况的同步历史；
  • 针对缺失值、过期值或异常值的质量检查；
  • 可复用的 DFS Pro 信号历史数据集；
  • 面向下游使用的 steward 与验证状态；
  • 包含资产身份、信号定义、运行状态、维护结果和模型上下文的预测性维护就绪包。

前置条件​

要求说明
设备清单稳定的设备 ID、名称、别名和位置上下文。
信号清单传感器标签、仪表点位、事件字段或历史库列。
来源信息历史库、数据库、CSV 导出、MQTT topic、REST API 或其他来源。
维护记录工单、巡检、故障、部件更换或操作员备注。
复核负责人熟悉设备、单位和预期范围的人员。

步骤 1：定义设备范围​

先确定设备或资产组，并记录：

  • 设备 ID；
  • 设备名称；
  • 源系统中的别名；
  • 站点、产线、区域或系统；
  • 相关部件；
  • 预期运行状态；
  • 维护负责人。

稳定的设备身份比第一版模型输出更重要。如果不同系统使用不同名称，应先建立映射表，再让数据进入下游工作流。

步骤 2：连接信号来源​

使用 DFS Lite connector 连接源数据。

来源常见用途
JDBC历史库表、数据仓库表、维护数据库。
CSV导出的历史数据、初始加载、离线模型准备。
MQTT设备或 IoT payload。
REST企业 API、资产记录、工单系统。
OPC UA设备或自动化遥测。

每个 connector 都应先测试连通性，再进入映射。

步骤 3：浏览并预览源数据​

对每个来源执行：

  1. 浏览层级或字段。
  2. 预览近期值。
  3. 确认时间戳字段。
  4. 确认设备标识。
  5. 确认指标或事件字段。
  6. 确认单位。
  7. 检查预期取值范围。

对于过期、无法解释、重复或缺少必要身份信息的字段，应先拒绝或隔离。

步骤 4：映射信号到目标​

为关键数据建立映射：

  • 源路径；
  • 目标设备或资产 ID；
  • 目标字段；
  • 单位；
  • 单位不一致时的转换表达式；
  • 预期范围；
  • 有价值时补充拓扑或部件标签。
源信号下游用途
电机振动 RMS设备健康特征
轴承温度热趋势特征
电流负载和运行上下文
告警代码事件上下文
工单关闭日期维护结果上下文

AI 辅助生成的映射必须经过复核后再应用。

步骤 5：同步并检查质量​

同步后检查：

  • 读取数量；
  • 写入数量；
  • 失败数量；
  • 最近同步时间；
  • 完整性；
  • 时效性；
  • 准确性；
  • 质量趋势。

预测性维护尤其需要关注：

  • 缺失区间；
  • 时间戳漂移；
  • 单位不匹配；
  • 来源重置；
  • 传感器平直线；
  • 不可能取值；
  • 设备 ID 不匹配。

步骤 6：创建 DFS Pro 数据集​

信号历史需要复用时，应创建 DFS Pro 数据集。

建议字段包括：

  • 设备 ID；
  • 设备别名或源系统标识；
  • 时间戳；
  • 指标名称；
  • 指标值；
  • 单位；
  • 传感器轴向或通道；
  • 采样间隔；
  • 可用时的运行状态；
  • 来源系统；
  • 质量标记；
  • 可用时的事件或工单引用。

通过 preview 和 profile 检查行数、空值比例、设备 ID 分布、时间范围、值分布和必填列。

步骤 7：验证并指定 steward​

生产工作流使用前，应指定 steward 并完成验证：

  • 设备 ID 与资产模型一致；
  • 信号名称可理解；
  • 单位已归一化；
  • 缺失区间已记录；
  • 质量问题已有复核结论；
  • 来源时间戳清晰；
  • 需要时已关联维护记录；
  • 下游负责人接受当前限制。

步骤 8：构建预测性维护就绪包​

数据进入预测性维护模块或 FactVerse AI Agent 前，应形成可审阅交接包。

区块必要内容
设备身份设备 ID、源系统别名、型号、厂商、位置、部件层级、负责人和关键程度。
信号定义传感器标签、通道或轴向、单位、采样间隔、预期范围、转换表达式和来源时间戳规则。
信号质量缺失区间、过期值、传感器平直线、离群值、单位转换、来源重置和拒绝数据摘要。
运行状态来源系统可提供时，记录运行、停机、待机、部分负载、清洁、批次或维护状态。
维护结果工单、巡检、关闭日期、确认根因、更换部件、误报标签和复核说明。
模型与模板上下文模板名称、模型 ID、模型版本、基线日期、分配状态和再训练阻塞项。
治理数据 steward、验证状态、允许用途、保留预期和下游负责人审批。

使用这份就绪包判断下一步是模型训练、异常复核、advisory 分流，还是继续准备数据。

步骤 9：交给下游使用​

验证完成后，数据集可支持：

  • 预测性维护分析；
  • 异常复核；
  • 健康摘要工作流；
  • AI Agent 证据检索；
  • 维护计划；
  • BI 报表；
  • 模型再训练就绪度复核；
  • 模型控制台就绪度复核和数据门槛处理。

将来源限制记录在工作流运行记录或数据集描述中，让复核人员清楚模型能从数据中推断什么、不能推断什么。

异常处理​

问题处理方式
设备身份不稳定暂停模型准备，先解决 ID、别名和资产层级。
信号时间戳缺失或不一致修正来源映射，或将该信号排除在时序工作流外。
单位或量纲不确定由设备负责人确认单位后再验证。
信号历史存在大段缺口记录限制，并判断工作流是否可以使用部分历史。
维护记录无法关联先使用仅信号分析，直到工单身份和时间戳被修正。

相关页面​

页面用途
DFS Lite Connectors连接历史库、数据库、API、文件或遥测来源。
映射来源字段将源信号映射到资产和字段。
数据质量检查缺失、过期或无效值。
DFS Pro 数据集为信号历史创建受控数据集。
FactVerse AI Agent 预测性维护工作流在 AI Agent 工作流中使用已准备的数据。