預測性維護
預測性維護需要把運行訊號、設備歷史、巡檢證據和維護動作放在一起分析。FactVerse AI Agent 協助團隊解釋風險訊號、準備下一步檢查，並把最終決策留在客戶的維護治理流程內。
營運上下文
| 上下文 | FactVerse 來源 | 價值 |
|---|---|---|
| 設備身分 | FactVerse Platform 的資產、型號、位置、責任歸屬和重要度 | 讓分析綁定到正確設備和營運責任 |
| 訊號歷史 | DFS 的時序資料、事件、告警和資料品質檢查 | 區分真實趨勢變化、資料缺口、過期資料和整合雜訊 |
| 維護記錄 | Inspector 工單、巡檢、操作員備註和已完成動作 | 把目前風險與已經檢查或維修過的內容連接起來 |
| 知識參考 | 手冊、SOP、故障模式和已核准的排查材料 | 讓建議檢查項目有受控知識依據 |
前置條件與來源資料
- FactVerse 中已有設備身分、位置、重要度、營運負責人和維護責任資訊。
- DFS 提供目標設備的訊號歷史、告警事件、巡檢結果和資料品質狀態。
- Inspector 或客戶維護系統包含近期工單、已完成檢查和操作員回饋。
- 設備族相關手冊、SOP 和排查知識已經過審批並可引用。
產品工作介面
| 介面 | 在工作流程中的作用 |
|---|---|
| 預測性維護模組 | 查看設備檔案、健康分數、異常歷史、振動來源、能耗基線、維護記錄、模板、advisory inbox 和模型控制台上下文。 |
| DFS Lite 與 DFS Pro | 接入歷史資料庫、感測器、告警、巡檢和維護資料，統一單位，檢查訊號品質，並發布可重用資料集。 |
| FactVerse AI Agent | 透過受控工具彙總設備群健康、讀取異常上下文、解釋風險，並準備已複核的後續動作。 |
| Inspector 或維護系統 | 接收獲批的巡檢或維護動作，並回傳完成說明、根因、替換部件和誤報標籤。 |
| 模型控制台 | 顯示資產目前由哪個模型或規則集負責，處於生產、回退、未分配還是阻塞狀態，以及哪些資料門檻阻止再訓練。 |
執行流程
工作流程
- 發現訊號變化、異常、重複告警或維護問題。
- 附加資產元資料、近期巡檢、運行條件和歷史工單。
- 對比訊號、已知故障模式、資料品質狀態和近期現場證據。
- 生成帶來源引用、可信度說明和缺失檢查項目的風險解釋。
- 為人工審批準備 Inspector 工單草稿或巡檢檢查表。
- 將完成動作和操作員回饋回流到預測性維護循環。
持續運行閉環
預測性維護適合以持續證據閉環的方式運行。系統持續呈現訊號接入狀態、模型和規則集就緒度，並把 advisory 結果回流到模型和知識層：
- 24x7 訊號接入讓健康評分、異常複核、預測視窗和診斷始終擁有最新運行歷史。
- Advisory 複核把原始告警與可執行維護決策分開，團隊可以接受、拒絕或延後建議，同時保留完整追溯。
- 工單結果記錄真實命中、誤報、確認根因、更換部件和人工覆蓋說明。
- 模型控制台和資料就緒度視圖顯示模型處於生產、回退、未分配，還是被缺失資料、覆蓋率不足、訊號過期或品質門檻阻塞。
- 已完成結果可用於模型再訓練複核、閾值調校、規則集更新和知識庫改進，相關變更仍需經過工程審批。
典型輸出
- 面向泵、風機、壓縮機、暖通、公輔設備和生產支援資產的風險解釋。
- 說明每個檢查項目原因的巡檢建議。
- 帶資產上下文、症狀歷史和支撐證據的工單草稿。
- 標記缺失遙測、過期值或來源系統映射不一致的資料品質說明。
- 將已完成工作與後續模型、知識更新連接起來的維護學習記錄。
- 記錄建議被接受、修訂或拒絕原因的複核回饋記錄，用於後續調校。
- 模型就緒度說明，包括目前分配、回退狀態、資料門檻阻塞和建議的資料修正動作。
- 在客戶已有足夠複核歷史時，可輸出 precision 趨勢、結果分布、平均故障間隔、平均修復時間和可用性等可靠性複核記錄。
驗證與異常處理
- 驗證風險解釋包含訊號視窗、來源時間戳、資產身分和近期維護歷史。
- 遙測缺失、映射過期或現場檢查與訊號趨勢矛盾時，應標記為低可信度輸出。
- 建議不清晰時交由維護負責人判斷，不自動建立動作草稿。
- 記錄被接受和被拒絕的建議，讓預測性維護工作流程持續改進。
- 模型再訓練、閾值調整和自動動作範圍擴大，都應保留在工程複核與變更控制之後。
治理要求
預測性維護應作為決策支援。FactVerse AI Agent 可以整理證據並提出檢查建議，維護負責人負責核准工單、安排停機窗口，並判斷建議是否適合目前營運條件。