基于异构数据的工业维护证据驱动推理

工业维护平台包含丰富但碎片化的证据，包括自由文本工单、异构的运行传感器或指标，以及结构化失效知识。这些来源常被孤立分析，产生的告警或预测无法支持条件化决策：给定该资产的历史与行为，正在发生什么、应采取什么行动？我们提出Condition Insight Agent，一个已部署的决策支持框架，整合维护语言、运行数据的行为抽象与工程失效语义，产出有证据支撑的解释与建议行动。该系统通过确定性证据构建与结构化失效知识约束推理，并应用基于规则的校验回路来抑制无依据的结论。来自生产CMMS部署的案例研究表明，这种校验优先的设计在异构且不完整数据下可靠运行，同时保留人类监督。我们的结果展示了受约束的基于LLM的推理如何能充当工业维护的受治理决策支持层。