跳至主要内容

準備預測性維護訊號歷史

預測性維護依賴穩定的設備身分和乾淨的訊號歷史。使用本 recipe 在預測性維護工作流程或 FactVerse AI Agent 預測性維護模組使用資料前，先透過 DFS 準備遙測、事件和維護記錄。

準備流程​

交付結果​

完成後應具備：

  • 一個或多個已連接的資料來源；
  • 從來源訊號到設備或資產目標的已審閱映射；
  • 顯示近期接入情況的同步歷史；
  • 針對缺失值、過期值或異常值的品質檢查；
  • 可重用的 DFS Pro 訊號歷史資料集；
  • 面向下游使用的 steward 與驗證狀態；
  • 包含資產身分、訊號定義、運行狀態、維護結果和模型上下文的預測性維護就緒包。

前置條件​

要求說明
設備清單穩定的設備 ID、名稱、別名和位置上下文。
訊號清單感測器標籤、儀表點位、事件欄位或歷史庫欄位。
來源資訊歷史庫、資料庫、CSV 匯出、MQTT topic、REST API 或其他來源。
維護記錄工單、巡檢、故障、部件更換或操作員備註。
複核負責人熟悉設備、單位和預期範圍的人員。

步驟 1：定義設備範圍​

先確定設備或資產組，並記錄：

  • 設備 ID；
  • 設備名稱；
  • 來源系統中的別名；
  • 站點、產線、區域或系統；
  • 相關部件；
  • 預期運行狀態；
  • 維護負責人。

穩定的設備身分比第一版模型輸出更重要。如果不同系統使用不同名稱，應先建立映射表，再讓資料進入下游工作流程。

步驟 2：連接訊號來源​

使用 DFS Lite connector 連接來源資料。

來源常見用途
JDBC歷史庫表、資料倉儲表、維護資料庫。
CSV匯出的歷史資料、初始載入、離線模型準備。
MQTT設備或 IoT payload。
REST企業 API、資產記錄、工單系統。
OPC UA設備或自動化遙測。

每個 connector 都應先測試連通性，再進入映射。

步驟 3：瀏覽並預覽來源資料​

對每個來源執行：

  1. 瀏覽層級或欄位。
  2. 預覽近期值。
  3. 確認時間戳欄位。
  4. 確認設備識別。
  5. 確認指標或事件欄位。
  6. 確認單位。
  7. 檢查預期取值範圍。

對於過期、無法解釋、重複或缺少必要身分資訊的欄位，應先拒絕或隔離。

步驟 4：映射訊號到目標​

為關鍵資料建立映射：

  • 來源路徑；
  • 目標設備或資產 ID；
  • 目標欄位；
  • 單位；
  • 單位不一致時的轉換表達式；
  • 預期範圍；
  • 有價值時補充拓撲或部件標籤。
來源訊號下游用途
電機振動 RMS設備健康特徵
軸承溫度熱趨勢特徵
電流負載和運行上下文
告警代碼事件上下文
工單關閉日期維護結果上下文

AI 輔助產生的映射必須經過複核後再套用。

步驟 5：同步並檢查品質​

同步後檢查：

  • 讀取數量；
  • 寫入數量；
  • 失敗數量；
  • 最近同步時間；
  • 完整性；
  • 時效性；
  • 準確性；
  • 品質趨勢。

預測性維護尤其需要關注：

  • 缺失區間；
  • 時間戳漂移；
  • 單位不匹配；
  • 來源重置；
  • 感測器平直線；
  • 不可能取值；
  • 設備 ID 不匹配。

步驟 6：建立 DFS Pro 資料集​

訊號歷史需要重用時，應建立 DFS Pro 資料集。

建議欄位包括：

  • 設備 ID；
  • 設備別名或來源系統識別；
  • 時間戳；
  • 指標名稱；
  • 指標值；
  • 單位；
  • 感測器軸向或通道；
  • 採樣間隔；
  • 可用時的運行狀態；
  • 來源系統；
  • 品質標記；
  • 可用時的事件或工單引用。

透過 preview 和 profile 檢查行數、空值比例、設備 ID 分布、時間範圍、值分布和必填欄位。

步驟 7：驗證並指定 steward​

生產工作流程使用前，應指定 steward 並完成驗證：

  • 設備 ID 與資產模型一致；
  • 訊號名稱可理解；
  • 單位已標準化；
  • 缺失區間已記錄；
  • 品質問題已有複核結論；
  • 來源時間戳清晰；
  • 需要時已關聯維護記錄；
  • 下游負責人接受目前限制。

步驟 8：建立預測性維護就緒包​

資料進入預測性維護模組或 FactVerse AI Agent 前，應形成可審閱交接包。

區塊必要內容
設備身分設備 ID、來源系統別名、型號、廠商、位置、部件層級、負責人和關鍵程度。
訊號定義感測器標籤、通道或軸向、單位、採樣間隔、預期範圍、轉換表達式和來源時間戳規則。
訊號品質缺失區間、過期值、感測器平直線、離群值、單位轉換、來源重置和拒絕資料摘要。
運行狀態來源系統可提供時，記錄運行、停機、待機、部分負載、清潔、批次或維護狀態。
維護結果工單、巡檢、關閉日期、確認根因、更換部件、誤報標籤和複核說明。
模型與模板上下文模板名稱、模型 ID、模型版本、基線日期、分配狀態和再訓練阻塞項。
治理資料 steward、驗證狀態、允許用途、保留預期和下游負責人審批。

使用這份就緒包判斷下一步是模型訓練、異常複核、advisory 分流，還是繼續準備資料。

步驟 9：交給下游使用​

驗證完成後，資料集可支援：

  • 預測性維護分析；
  • 異常複核；
  • 健康摘要工作流程；
  • AI Agent 證據檢索；
  • 維護計畫；
  • BI 報表；
  • 模型再訓練就緒度複核；
  • 模型控制台就緒度複核和資料門檻處理。

將來源限制記錄在工作流程運行記錄或資料集描述中，讓複核人員清楚模型能從資料中推斷什麼、不能推斷什麼。

異常處理​

問題處理方式
設備身分不穩定暫停模型準備，先解決 ID、別名和資產層級。
訊號時間戳缺失或不一致修正來源映射，或將該訊號排除在時序工作流程外。
單位或量綱不確定由設備負責人確認單位後再驗證。
訊號歷史存在大段缺口記錄限制，並判斷工作流程是否可以使用部分歷史。
維護記錄無法關聯先使用僅訊號分析，直到工單身分和時間戳被修正。

相關頁面​

頁面用途
DFS Lite Connectors連接歷史庫、資料庫、API、檔案或遙測來源。
映射來源欄位將來源訊號映射到資產和欄位。
資料品質檢查缺失、過期或無效值。
DFS Pro 資料集為訊號歷史建立受控資料集。
FactVerse AI Agent 預測性維護工作流程在 AI Agent 工作流程中使用已準備的資料。