AI成为“老师傅”,1份图谱揭露资产故障真因

AI的快速发展将世界推入全域竞争时代,对于AI,国内企业不仅一直保持高度关注,也在不断加大投入并获得超预期回报。埃森哲在调研中国250家在上一年收入超10亿美金的企业后发布研究报告“预计到2024年,中国企业由AI推动的营收份额将增加至36%。”

对外经济贸易大学严展宇主任认为,AI对国家力量的最直接影响是改变国家的产业结构,“如果AI与现有产业链建立系统性对接,实现产业更新换代,届时商品和服务的成本都会大幅下降”

设备管理作为提高企业效益及投资回报率的重要一环,也是众多企业关注的核心问题之一。但对于大多数企业来说,特别是资产密集型企业,在资产管理过程中仍面临坏了才修、成本失控、追溯困难、统计耗时、数据不准等现状,使得故障的精确诊断需要耗费大量的时间和物力,严重影响生产效率和企业成本。

用友BIP资产云基于IoT、物联网、大数据等技术,构建知识库能力,有效辅助资产运维工作,并且基于故障表现形式,挖掘深层关联关系,从新的视角探索资产故障的形成原因,揭示故障发生的内在本质,从而帮助企业更好地执行预测性维护,提高资产可靠性。

场景一:知识库内容智能推荐

按照资产类型、知识主题进行分类,为资产建立智能知识库,审核通过后,文档自动发布到知识库,确保知识库内容质量。同时,知识库可根据用户需求,智能推荐文档和知识,并提供知识库更新、新文档上传的通知提醒功能,支持移动端检索、查阅和使用,方便及时了解最新知识动态。

图片

场景二:基于数据技术的知识图谱

借助知识图谱的技术,灵活展现企业故障体系,同时识别故障分类体系的内在逻辑,对故障情况进行深入挖掘和分析,通过一份图谱,揭示故障真因,帮助用户更好地理解和掌握资产故障状况,为资产运维人员提供有价值的方法和建议。

图片

场景三:基于AI技术的故障诊断

作为智能运维的核心驱动力,设备模型、算法、数据缺一不可。在故障诊断过程中,系统自动将新发现的异常与历史数据进行比对,从而对故障原因进行智能自动判断。同时,系统将作业过程中积累的故障进行沉淀,建立宝贵的设备检维修知识库和设备故障知识共享体系。

图片

场景四:机器人在线问答

在移动端,系统可结合现场需求,实现机器人在线问答,例如:在故障上报的过程中,运维人员通过语音与机器人的交流。

图片

图片

全域竞争时代,AI作为一项前沿技术,在生产、生活方面都表现出强大的适配能力,成为“老师傅”。在资产故障管理中,基于AI和知识图谱,用户可快速查询资产的关联信息,系统根据知识库来进行故障诊断和排除,如果知识库没有优选方案,可支持从网络上爬取相关设备故障和维修解决方式,并对知识库进行补充和优化,让资产故障管理更加智能、便捷。

猜你喜欢

转载自blog.csdn.net/YonBIP/article/details/131766123