预测性维护运营
预测性维护是平台级运营能力，覆盖设备健康、异常审阅、维护建议和模型管理工作流。设施运营、智慧供热、数据中心运营和半导体运营等行业模块可在旋转设备、过滤器、冷机、泵、压缩机、AHU、UPS 或其他可维护资产需要受治理健康工作流时使用它。
代码中使用 /pdm 作为 API namespace。面向用户的文档和 UI 文案应写作 预测性维护，只有展示 API 路径或权限字符串时才使用 pdm。
AI 工具层请查看 预测性维护 AI 工具。
文档地图
| 目标 | 从这里开始 |
|---|---|
| 规划首次上线 | 开始使用预测性维护 |
| 准备设备和传感器数据 | 设备、传感器和信号历史 |
| 审阅健康和准备状态 | 健康指数、基线和模型准备 |
| 训练候选并管理生命周期 | 训练和管理设备模型 |
| 确认模型绑定和真实运行状态 | 理解模型使用和运行证据 |
| 处理异常和维护建议 | 异常审阅和维护建议 |
| 审阅证据并记录人工判断 | 审阅 Finding 并记录反馈 |
| 将建议连接到维护工作 | 维护建议到工单闭环 |
| 在多资产范围内排序优先级 | Fleet 处理和关键性 |
| 使用 Agent 和 AI 工具 | 预测性维护 AI 工具 |
运营边界
| 界面或服务 | 当前角色 |
|---|---|
| FactVerse 前端 | 提供看板、设备、fleet、振动、效率、维护、异常、能源、onboarding、模板、阈值、advisory inbox 和模型控制台视图。 |
factverse-mod-pdm 后端 | 提供看板数据、设备画像、健康快照、异常事件、维护记录、能源基线、advisory 工作流、传感器接入、模板、可靠性指标和规则集状态。 |
| Core backend | 提供租户上下文、设备目录、工单结果集成和模型生命周期控制台聚合的桥接代码。 |
| AI Engine | 提供基线训练、异常检测、趋势预测、剩余寿命预测、健康评分、振动与温度诊断、fleet 诊断、XS770A payload 处理和 AI 辅助 pipeline 调用。 |
| DFS | 在维护工作流依赖实时运营数据前，准备源数据、连接器映射、同步历史、质量审阅和受治理数据集。 |
预测性维护应作为可被垂直模块使用的平台能力来说明。具体打包和启用方式由客户项目范围与版本计划决定。
维护流程
当前用户工作流
| 工作流 | 用户可以审阅或执行的内容 |
|---|---|
| 看板 | 总体设备健康、活动异常、维护状态、能源基线和可靠性摘要。 |
| 设备画像 | 设备列表、详情、最新健康快照、健康历史、advisory 模式和主设备 ID 桥接查询。 |
| 传感器接入 | 创建设备、从模板创建传感器、完成 onboarding、一体化 onboarding、REST 读数或 CSV 历史导入。 |
| 健康指数 | 健康指数历史、最新运行态健康指数、设备摘要、运行计划和故障特征库。 |
| 异常 | 列出异常、按设备审阅异常，并用处理说明关闭异常事件。 |
| Advisory inbox | 审阅待处理建议、驳回误报、延后、创建关联工单并记录工单结果。 |
| 维护 | 审阅设备维护记录和维护计划。 |
| 可靠性 | 审阅 MTBF、MTTR、可用性、advisory precision、recall 和 CSV 导出。 |
| 模板 | 创建、编辑、版本化、应用、提交、批准、发布、退役和审计设备分析模板。 |
| 模型控制台 | 审阅就绪状态，在授权时训练和晋升设备基线，并读取当前模型状态。可执行异常模型 assignment 的晋升和回滚仍是管理员 API 工作流。 |
| 模型使用详情 | 审阅设备绑定、不可变 artifact、训练证据、运行状态、执行窗口、相关版本和生命周期事件。该页面只读。 |
| Finding 详情 | 审阅标准、设备基线、模型和数据质量证据，打开关联动作，并记录受治理人工判断。 |
开始前准备
| 要求 | 说明 |
|---|---|
| 租户上下文 | 所有生产工作流必须在正确租户下运行。 |
| 权限 | 设备和 Finding 读取使用 pdm:read；模型控制台和模型使用详情使用 mlops.model.read 或 system.config。训练、晋升、反馈、画像更新和 advisory 动作使用各工作流注明的权限。 |
| 设备身份 | 设备应有稳定设备 ID、类型、位置、制造商、型号和可选主设备目录桥接。 |
| 传感器映射 | 振动、温度、电流、压力、能源或其他信号必须映射到正确设备和单位。 |
| 历史深度 | 基线、趋势模型、剩余寿命估计和置信指标依赖足够的时序历史。 |
| 工单负责人 | 明确谁接受 advisory、创建工单，并在现场工作后记录结果标签。 |
| 数据基础 | 源系统需要连接器、映射、质量审阅和同步可观测性时使用 DFS。 |
源数据准备请查看 Prepare Predictive Maintenance Signal History（英文）。
入口路由
| 视图 | 路由 |
|---|---|
| Dashboard | /pdm/dashboard |
| Equipment list | /pdm/equipment |
| Equipment detail | /pdm/equipment/:id |
| Vibration | /pdm/vibration |
| Efficiency | /pdm/efficiency |
| Maintenance | /pdm/maintenance |
| Anomalies | /pdm/anomalies |
| Energy | /pdm/energy |
| Onboarding | /pdm/onboarding |
| Templates | /pdm/templates |
| Thresholds | /pdm/thresholds |
| Advisory inbox | /pdm/advisory/inbox |
| Model console | /pdm/model-console |
| Model registry | /ai-model-registry |
| Model usage detail | /ai-models/registry/:registryId |
| Finding detail | /pdm/findings/:alertId |
关键工作方式
接入设备和传感器
创建设备画像，选择传感器模板或提供手动传感器定义，完成 onboarding，发送小批量 REST 或 CSV 样本，然后确认设备出现在看板和健康指数视图中。
准备信号历史
预测性维护依赖一致的时间序列信号：振动 RMS、加速度峰值、温度、电流、功率、压力、COP、效率、运行计划和维护记录。使用 DFS 映射和质量审阅确认单位、时间戳、设备 ID 和过期值。
审阅设备健康
从看板开始，打开设备详情，检查最新健康快照、健康历史、健康指数趋势、ISO grade、crest factor、kurtosis、预测服务天数和运行态过滤。无数据时，应先确认源覆盖范围。
检测和诊断异常
AI Engine 支持基线训练、异常检测、趋势预测、剩余寿命、健康评分、振动与温度诊断、fleet 诊断和 XS770A payload 处理。诊断结果是审阅输入，现场动作仍需维护负责人确认。
管理 advisory 和工单
在 Advisory Inbox 审阅 linked alert、设备、故障模式、健康指数、建议动作、优先级和 SLA。可驳回误报、延后、创建或关联工单，并在工单关闭时记录结果和根因。结果标签用于改进模型和规则。
调整规则和模板
规则集状态、分析配置、模板版本和模板审批都是受治理运营资产。应用到设备前应完成审阅，并把阈值变化连接到数据质量、故障证据或现场反馈。
API 范围
预测性维护 API 位于 /api/v1/pdm 下：
| 分组 | 示例 endpoint |
|---|---|
| Dashboard | /dashboard |
| Equipment | /equipment, /equipment/{equipmentId}, /equipment/{equipmentId}/health, /equipment/{equipmentId}/health/history |
| Health index | /health-index, /health-index/latest, /health-index/summary, /operating-schedule |
| Onboarding and ingest | /onboarding/templates, /onboarding/equipment, /onboarding/sensors, /sensors/readings/batch, /sensors/readings/import |
| Anomalies | /anomalies, /equipment/{equipmentId}/anomalies, /anomalies/{anomalyId}/resolve |
| Advisory | /advisory, /advisory/{id}/work-order, /advisory/{id}/outcome, /advisory/{id}/reject, /advisory/{id}/snooze |
| Reliability | /reliability-metrics, /reliability-metrics.csv |
| Templates | /templates, /analysis/upload, /analysis/{jobId}, /analysis/save-result |
| Model console | /model-console |
AI Engine endpoint 包括 /ai/pdm/train、/ai/pdm/detect、/ai/pdm/forecast、/ai/pdm/health-score、/ai/pdm/rul/predict、/ai/pdm/diagnose、/ai/pdm/fleet-diagnose 和 /ai/pdm/ingest/xs770a。
验证清单
- 设备 ID 在 FactVerse、源系统、CMMS 和工单中映射一致。
- 传感器通道使用预期单位和轴定义。
- 时间戳顺序、时区处理和数据新鲜度适合当前决策。
- 有足够运行态数据支撑基线和趋势解释。
- 设备模板或规则 overlay 已启用且未隔离。
- advisory 决策绑定到负责审阅人。
- 工单关闭时记录结果标签，让反馈闭环改进后续建议。