供熱營運需要連結上下文
供熱團隊的決策往往同時依賴多類資訊：熱源狀態、一次網和二次網資料、換熱站工況、樓宇側反饋、天氣預測、投訴記錄、現場巡檢、維護歷史和調度規則。每套系統都只解釋了營運的一部分，真正困難的是把這些訊號連結成可審查、可批准、可執行、可驗證的調度決策。
HeatOps 是 FactVerse AI Agent 的供熱行業模組。它透過 Data Fusion Services 連結營運資料，透過 FactVerse 保留管網與資產上下文，並透過 Inspector 或客戶已有工單系統保留現場行動記錄。
它的目標很實際：幫助供熱團隊預測負荷、診斷管網狀態、審查調度方案、協調現場工作，並保留決策背後的營運證據。
營運模型連結什麼
| 層級 | 營運上下文 |
|---|---|
| 熱源 | 鍋爐、熱泵、熱電聯產、餘熱、儲熱、燃料、電力、能力和可用性 |
| 管網 | 一次網、支線、壓力、流量、供回水溫度、閥門、洩漏和保溫狀態 |
| 換熱站 | 換熱器、泵、控制閥、計量表、差壓、效率、報警和服務歷史 |
| 建築 | 樓宇分區、室內反饋、使用者側溫度、舒適度問題、熱慣性和服務優先順序 |
| 外部上下文 | 天氣預測、歷史負荷、節假日、入住規律、資費上下文和服務請求 |
| 工作執行 | 調度指令、巡檢、維修任務、清洗、閥門調整、保溫修復、照片和驗收記錄 |
| 治理 | 建議來源、審批路徑、指令邊界、回退規則、結果審查和稽核記錄 |
價值來自這些層級之間的連結。一次低溫投訴應該能追溯到建築上下文、換熱站行為、支線管網狀態、歷史工作記錄和隨後的調度決策。
DataMesh HeatOps 工作流
- 連結營運來源 - 彙集 SCADA、SIS、PVSS、PLC 點位、計量、天氣、GIS、投訴記錄、計費上下文、維護系統和調度日誌。
- 構建供熱數位孿生 - 在 FactVerse 中建立熱源、管線、換熱站、閥門、泵、計量表、建築、分區和服務區域模型。
- 綁定訊號與資產 - 使用 Data Fusion Services 將溫度、壓力、流量、報警、能耗讀數和工作記錄對應到正確的資產和管網段。
- 審查需求與風險 - 使用 FactVerse AI Agent 為調度員準備負荷預測、負荷變化說明、異常模式摘要和調度選項。
- 協調行動 - 把確認後的發現轉化為調度記錄、現場巡檢、工單、調整任務或受控寫回範圍。
- 驗證結果 - 將動作後的讀數、舒適度反饋、報警、熱損模式和工單證據與原始發現進行對比。
這套工作流讓 AI 建議始終附著在產生建議的營運上下文上。
預測、診斷和調度審查
HeatOps 可支援三類相互連結的工作模式：
- 負荷預測：在需求變化到來之前，對比天氣、歷史負荷、管網狀態、建築響應和執行約束。
- 管網診斷：審查供回水溫差、差壓、流量、補水、換熱器表現、泵狀態、閥門狀態、洩漏跡象、結垢跡象和反覆出現的使用者側問題。
- 調度審查：為調度員準備可審查的行動建議，例如供水溫度調整、泵頻調整、閥門調整、預熱策略、人員準備和現場巡檢優先順序。
建議需要說明影響範圍、原因、預期效果、審批要求和後續證據。這樣控制室、工程團隊、現場團隊和管理人員都能審查 AI 輸出。
從建議到可稽核執行
供熱營運涉及安全、舒適度、合同、裝置邊界和服務責任，因此執行路徑需要分階段推進。
第一階段是決策支援。調度員在數位孿生上下文中審查預測、診斷和建議動作。下一階段是輔助執行：確認後的建議進入調度記錄、現場任務、工單和後續檢查。當權限、指令範圍、安全聯鎖、回退規則和稽核要求明確後，現場可以逐步加入受控寫回。
Inspector、Checklist 和客戶已有工單系統可以保留現場側閉環：誰檢查了換熱站，調整了什麼，採集了哪些照片和讀數，工作何時關閉，狀態是否改善。
能碳記錄與管理審查
供熱營運需要季節性證據，而不僅是實時畫面。HeatOps 可以把熱量、燃料、電力、泵耗、熱損、舒適度反饋、事件響應、改造活動和現場工作整理成營運記錄，用於管理審查。
這些記錄幫助團隊按時間比較調度策略、改造成效、換熱站表現和管網段狀態，也讓業主、城市團隊、服務公司和工程夥伴可以圍繞同一條資料鏈討論能碳表現。
核算方法、統計邊界和碳因子需要按專案配置。HeatOps 提供用於審查的連結型營運上下文和可追溯證據。
資料準備清單
上線前建議審查這些條件：
- SCADA、SIS、PVSS、PLC 和計量點位具備穩定名稱、單位、時間戳和責任歸屬。
- 熱源、換熱站、閥門、泵、計量表、建築、分區和管網段可以對應到數位孿生。
- 天氣、負荷歷史、投訴記錄和工單可以按時間、區域、資產或站點連結。
- 調度員和工程師已經約定調度建議的審批規則。
- 現場團隊可以結構化記錄巡檢、調整、照片、讀數和驗收證據。
- 受控寫回規則在任何指令路徑引入前已經形成文件。
- 試點指標基於已驗證的營運記錄。
首個試點適合選擇範圍可控的服務區或換熱站組，團隊需要具備足夠資料、清晰責任和高頻營運問題。
實用起點
| 起點 | 為什麼適合 |
|---|---|
| 換熱站總覽 | 團隊可以圍繞已知資產組連結溫度、壓力、流量、泵狀態、閥門狀態、熱量、報警和服務歷史 |
| 天氣波動準備 | 負荷預測可以幫助調度員在寒潮、回暖或異常入住規律影響服務前做好準備 |
| 低溫投訴 | 投訴記錄可以與樓宇上下文、換熱站狀態、支線壓力和歷史維護一起復核 |
| 重複站點報警 | AI 輔助審查可以總結模式，並把確認後的問題推進到巡檢或維護任務 |
| 能源與熱損審查 | 季節性記錄可以連結熱源輸出、管網行為、樓宇側情況和現場工作 |
這些起點可以先建立可審查閉環，再逐步擴充套件到更大的最佳化或控制場景。
公開參考
HeatOps 解決方案頁面 說明了 FactVerse AI Agent 中供熱行業模組的範圍。
資料中心數位孿生營運指南 和 預測性維護指南 說明了相鄰場景中如何連結設施訊號、數位孿生上下文、工單和已驗證的現場行動。
Singtel FutureNow 參考 展示了 DataMesh 在連結型設施環境中的數位孿生上下文。Yokogawa 與 DataMesh 預測性維護參考 展示瞭如何把工業訊號轉化為 AI 輔助維護審查的更廣泛模式。