本指南用於圍繞 FactVerse AI Agent 預測性維護模組搭建 AI Agent 工作流程。該工作流程整合設備身分、訊號歷史、異常上下文、維護記錄和現場回饋，幫助工程師查看設備健康狀態並規劃下一步巡檢或維護。
前置條件
| 要求 | 說明 |
|---|
| 設備模型 | 穩定的設備 ID、部件層級、位置、運行模式和關鍵程度。 |
| 訊號歷史 | 時序訊號、資料品質標記、採樣間隔、單位標準化和已知缺口。 |
| 維護上下文 | 巡檢記錄、工單、更換部件、故障備註和操作員回饋。 |
| 知識庫 | 手冊、標準操作流程、排障說明和站點特定限制。 |
| 審核負責人 | 能夠接受、修訂或拒絕建議的維護工程師或可靠性負責人。 |
Endpoint 與 scope
使用 /mcp/pdm/ 取得預測性維護健康狀態和異常工具。工作流程需要資產記錄、文件、工單上下文或獲批動作草稿時，再使用 /mcp/base/。
| Endpoint | Scope | 用途 |
|---|
/mcp/pdm/ | pdm.read | 讀取 API key 可存取的健康摘要、異常上下文、部件訊號和模型輸出。 |
/mcp/base/ | base.read | 讀取資產身分、文件、工作記錄和相關運營證據。 |
/mcp/base/ | base.action.write | 在人工批准後生成後續巡檢或維護動作草稿。 |
工作流程步驟
- 定義設備範圍：選擇站點、資產組、設備 ID、運行模式和查看視窗。
- 檢查資料就緒度：確認訊號新鮮度、缺失區間、單位映射和已知感測器問題。
- 取得健康上下文：透過執行時發現的工具彙總健康狀態、異常、趨勢變化和近期事件。
- 關聯維護歷史：把異常與巡檢、部件更換、告警和操作員備註進行對照。
- 形成工程視圖：說明可能原因、置信邊界、證據缺口和建議的下一步檢查。
- 流轉已審核動作：只有工程師接受建議後，才生成巡檢、備件複核或計畫維護草稿。
- 回饋結果：記錄確認原因、誤報、維修部件和後續備註，用於後續模型改進。
建議輸出結構
| 區塊 | 內容 |
|---|
| 健康摘要 | 設備、目前狀態、趨勢方向、異常視窗和嚴重程度。 |
| 證據 | 訊號、模型輸出、維護記錄、巡檢備註和來源時間戳。 |
| 可能原因 | 按工程判斷排序的假設，並列出支持與相反證據。 |
| 建議檢查 | 現場巡檢項、運行檢查、資料檢查和需要複核的部件。 |
| 審核結果 | 工程師決定、接受的動作、拒絕的建議或需要修正的資料。 |
持續改進閉環
預測性維護工作流程需要把已完成工作回饋到資料層，才能持續提高品質：
- 確認異常是否對應真實設備問題。
- 記錄更換部件、調整設定和巡檢發現。
- 標記誤報和感測器品質問題。
- 保持 24x7 訊號接入可見，讓模型訓練和規則調校使用更新後的運行歷史。
- 在擴大自動化範圍前，先用工程師回饋複核模型輸出。
常見失敗模式
| 現象 | 可能原因 | 處理方式 |
|---|
| 健康輸出較弱 | 訊號歷史過短、稀疏或未映射 | 先返回資料就緒度報告，再給出維護建議。 |
| 異常出現但原因不清 | 缺少維護和運行上下文 | 拉取工單、巡檢備註、運行模式和近期告警。 |
| 告警過多 | 查詢邊界過寬或閾值沒有按資產調校 | 縮小設備組範圍，並由工程師複核閾值。 |
| 建議動作未被接受 | 置信度低或證據不足 | 將輸出保留為工程備註，並請求補充缺失資料。 |
驗證清單
- 工作流程使用
pdm.read 呼叫預測性維護工具，面向使用者的文字使用「預測性維護模組」等完整可讀的名稱。
- 每條建議都包含證據、置信邊界和缺失資料說明。
- 建立動作前記錄工程師審批。
- 已完成維護結果被記錄下來，用於模型和知識改進。