FactVerse AI Agent 用例

FactVerse AI Agent 的用例從營運工作出發。每個工作流都會組合受控工具、產品上下文、資料、數位孿生，並在需要時引入人工審批。

本頁聚焦三個優先方向：設施營運、預測性維護和 Physical AI。更多行業模組會在對應工作流適合共享文件後逐步加入。

詳細工作流頁面

設施營運覆蓋樓宇、園區、公共設施、資產、工單和巡檢記錄。Agent 協助團隊在一致的數位孿生上下文中提出營運問題，並為人工複核準備證據、檢查項和任務。

工作流步驟	FactVerse 作用	典型輸出
建立營運上下文	FactVerse Platform 提供租戶、資產、權限和位置上下文	面向設施、資產和責任團隊的受控視圖
連接營運資料	DFS 連接儀表資料、設備記錄、巡檢資料和來源系統訊號	資料就緒度說明、異常提示和相關來源記錄
使用營運數位孿生	Designer 和 Inspector 將視覺化場景與資產、工單資訊連接起來	資產定位、問題上下文和空間理解
準備設施動作	Inspector 和受控 Agent 工具整理檢查表、工單和跟進任務	任務草稿、證據包和面向操作員的指導

在底層資料和複核流程到位時，設施用例可以支援能源分析、資產巡檢和合規證據整理。Agent 應保留來源引用，並將營運決策交給責任人員複核。

預測性維護工作流連接資產歷史、執行訊號、巡檢記錄和維護動作。FactVerse AI Agent 協助解釋風險訊號並準備後續步驟，維護決策仍由具備權限的人員確認。

工作流步驟	FactVerse 作用	典型輸出
發現訊號變化	DFS 接入營運訊號並執行品質檢查	異常趨勢說明和訊號上下文
附加資產歷史	FactVerse Platform 和 Inspector 提供資產元資料、歷史工單和巡檢記錄	資產時間線和近期維護上下文
生成維護推理	受控 Agent 工具對比訊號、歷史和流程	風險解釋、建議檢查項和可能缺失的證據
準備執行	Inspector 保留工單上下文和現場回饋	工單草稿、巡檢檢查表和完成記錄

更穩健的預測性維護工作流會讓模型輸出始終關聯來源資料、巡檢證據和工程複核。已完成工單和操作員回饋應回流到資料與知識層，讓後續分析持續改善。

Physical AI 工作流利用數位孿生場景、面向模擬的資產和物理模擬驗證，為機器人、設備和工業流程準備更好的訓練與規劃上下文。

工作流步驟	FactVerse 作用	典型輸出
建立場景上下文	FactVerse Designer 構建數位孿生場景、布局和 SimReady asset	可渲染、可交換、可用於模擬的結構化場景
加入營運約束	DFS 和平台上下文提供設備、流程和環境資料	約束說明和場景參數
執行面向模擬的分析	模擬服務以及面向 Omniverse、Isaac、PhysX 或 Newton 的工作流驗證行為和布局假設	場景對比、工藝預演和訓練上下文
回流到 Agent 與訓練循環	FactVerse AI Agent 整理結果、引用和後續動作	面向機器人、設備訓練和人工複核的推理上下文

Physical AI 的價值在於讓工業場景在進入真實現場前更快迭代。模擬結果應持續關聯假設、資產版本和人工驗證，用於支援規劃，同時保留必要的工程判斷。