历史工单知识库检索

那 613 张工单上写着「已处理」三个字 · 这三个字是这家公司三年里最贵的三个字

一这件事现在是什么样

运维与质保工程师 · 真实业务触发

弘锐储能运维团队 14 人,三年累计 1,842 张工单。老师傅 2 人,每天要接 100 多通电话,人一走经验就断。2026 年团队扩到 14 人,其中 6 人入职不满 8 个月,同样的故障反复从头试错。运维总监想要一个「新人能自己查」的东西。

二痛点 · 每条都有来源

不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处

1
风电运维「老法师」困境:经验在少数人脑子里,每天要接 100 多通电话,人一走经验就断依据 · 风电运维「老法师」困境:经验在少数人脑子里,每天要接 100 多通电话,人一走经验就断
2
风电运维数字化的真实价值来自把老师傅的经验转成可检索的方案,而非预测 —— 内蒙古某公司对 1,500 个高发故障方案做本地化标注后,故障处理时长缩短 40%依据 · 风电运维数字化案例:内蒙古某公司对 1500 个高发故障方案做本地化标注后,故障处理时长缩短 40% —— 价值来自把老师傅的经验转成可检索的方案,而非预测
3
预测性维护的「试点炼狱」:预警发出后无人负责处置、无排期、无备件、无复盘,试点因此停在演示阶段依据 · 预测性维护「试点炼狱」:预警发出后无人负责处置、无排期、无备件、无复盘,试点因此停在演示阶段
4
预测性维护落地四大卡点:数据质量、预警后的责任归属、备件与排期配套、闭环复盘依据 · 预测性维护落地四大卡点:数据质量、预警后的责任归属、备件与排期配套、闭环复盘
5
西门子能源对 BESS 停机的归因是停机主因落在 HVAC、逆变器与 BOP 小件上,备件可得性直接决定停机时长 —— 而备件该不该备,凭的是历史失效规律,不是预测依据 · 西门子能源对 BESS 停机的归因:停机主因是 HVAC、逆变器与 BOP 小件,备件可得性直接决定停机时长

三换个做法之后

变化不在「快」,在「参与的角色」和「覆盖的范围」

✕ 现在的做法

  • 风电运维「老法师」困境:经验在少数人脑子里,每天要接 100 多通电话,人一走经验就断
  • 风电运维数字化的真实价值来自把老师傅的经验转成可检索的方案,而非预测 —— 内蒙古某公司对 1,500 个高发故障方案做本地化标注后,故障处理时长缩短 40%
  • 预测性维护的「试点炼狱」:预警发出后无人负责处置、无排期、无备件、无复盘,试点因此停在演示阶段
  • 预测性维护落地四大卡点:数据质量、预警后的责任归属、备件与排期配套、闭环复盘

✓ 交给 Agent 之后

  • 多来源文件一次读入,先做口径与完整性校验,再开始算
  • 每条结论绑定来源文件、字段或条号,可以被审
  • 产出是企业真会流转的正式件(带签批栏),不是一张展示用的表
  • 该拦的地方给出「现在还不能提交」,并给不用干等的替代方案

四场景闭环

5 步 · 每一步的产出都是下一步的输入

第 1 步
工单分级 · 按处理结果栏的实质内容分三档有完整处置步骤的 / 只有结论的 / 只写「已处理」的,逐张归档
第 2 步
方案抽取 · 从自由文本里抽出可复用的处置动作动作序列、所需工具与备件、涉及的安全边界,原文不改
第 3 步
役龄统计 · 按部件类型与投运役龄统计故障次数只统计已发生的次数分布,不做任何外推
第 4 步
备件缺口 · 高频失效部件的在库状态核对高频部件当前在库数量、采购周期、过去 12 个月的领用次数
第 5 步
成稿与标注 · 生成检索库并标注覆盖率首页写明收录范围、覆盖率、不做预测的三条声明;运维负责人审核栏留空

要准备什么

工单系统全量导出(2023-08 至 2026-08,1,842 张)
含故障类型、等级、处置时长、处理结果栏 —— 处理结果栏是自由文本,质量参差
设备台账与投运日期(Excel)
40 台液冷电池舱、40 台 PCS-2500、EMS 与消防系统,逐台投运日期
备件库存与采购周期表(Excel)
当前在库数量、采购周期、供应商
新入职人员排障记录(近 8 个月,微信群导出)
6 名新人的提问与答复,用来判断哪些方案最该先上架
本司运维职责边界说明(Word,星标)
★那份平时不在核对范围内的东西 —— 哪些故障不归运维团队处置须待电网侧确认,这条决定知识库该收什么、不该收什么

为什么这个场景值得做

痛感 4 × AI 适配 4 ÷ 落地难度 2 = 8.8

最大差异点 · 这是「接住客户第三问并转向」的场景。客户问「能不能做预测性维护」,答案是能做一半:把已经发生过的 1,842 次故障的处置方法变成可检索的,这一半是确定的、今天就能兑现的;而猜未来哪台会坏那一半,行业里的试点大多停在演示阶段 —— 不是算不准,是预警发出后没人负责处置、没排期、没备件、没复盘。把确定性的一半做实,比赌不确定的一半更有用。

评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。

五会产出什么

判断标准只有一个:这份东西能不能直接进企业的流程

正式件本体
故障处置方案检索库.xlsx
正式件 · 1,229 条 · 含运维负责人审核栏与三条声明
可派发清单
高频故障 TOP20 卡.xlsx
可派发 · 每类含动作序列 · 所需工具与备件 · 安全边界
可派发清单
备件常备建议与役龄统计表.xlsx
逐部件 · 役龄区间故障次数 · 在库状态 · 采购周期

这套东西不承诺什么

不做故障预测、不做设备健康度评分、不输出「下周哪台会坏」;役龄失效窗口是历史统计事实(这类部件在这个役龄区间的故障次数显著高于其他区间),不是对任何单台设备的预测 —— 这个区别必须写在知识库首页;工单原文的处置描述一个字不改,不做润色、不做归并。

想看具体怎么跑?

Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了