← 返回实战项目列表 架构设计模型 + 工程RAG 构建Human-in-loop持续迭代
匿名化案例🌐 IoT 物联网制造业2025 Q3
SmartHub
工业物联网智能运维 Agent 系统
为大型制造企业部署的预测性维护 AI 系统。2000+ 设备实时接入，Agent 自动分析传感器时序数据、识别异常模式、触发维修工单，将非计划停机时间降低 45%。
产品原型
SmartHub 运维看板 · 交互原型预览
SmartHub
● 实时监控12 条产线A 线告警
A 产线 · 12 台设备在线 · 3 条预警
实时监控 2000+ 设备状态，异常自动预警并生成维修工单，预测 72h 内故障
查看实时数据 →2000+
在线设备
92%
预测准确率
3
活跃告警
17.6h
月均停机
周一
周二
周三
周四
周五
周六
今日
最近告警 · 按优先级排序
⚠
CNC-088 振动异常 · 预测 72h 内主轴故障
待处理
⚠
泵机-204 温度持续偏高 · 已超阈值 12%
观察中
🔧
压缩机-017 已自动派单 · 维修组已接单
已派单
✓
传送带-103 皮带松弛 · 已自动调整张紧
已解决
✓
机械臂-220 伺服报警 · 已复位并记录日志
已解决
核心指标
92%
故障预测准确率
↑ 37%
-45%
非计划停机
月均 32h → 17.6h
2000+
接入设备数
12 条产线
$2.3M
年节省成本
ROI 6 个月
核心模块
我负责设计与实现的关键模块
01
🔌数据采集层
设计 Edge Gateway 统一接入协议，将 12 种异构设备协议（Modbus / MQTT / OPC-UA）归一化为标准遥测数据流，单日处理 1.2 亿条数据点，为上层 Agent 提供稳定输入。
02
🛡️异常检测 Agent
基于 Isolation Forest 训练异常检测模型，并引入 LLM 二次验证机制降低误报。我主导了阈值调优与告警降噪，把误报率从 31% 压到 4.8%。
03
🔍根因分析
构建维修知识库检索系统，将历史工单 + 设备手册向量化，让 Agent 自动定位故障根因。我设计了检索召回 + 重排策略，根因 Top3 命中率 89%。
04
📋工单系统
设计 Human-in-loop 审批流：Agent 自动生成维修建议与工单，维修主管一键确认或驳回。既保证效率，也守住工业安全底线，平均响应 2 分钟内。
05
📊评测体系
建立故障预测准确率评测集与线上回灌机制，每周自动跑评。我定义了评测口径与离线/在线一致性校验，推动模型从 76% 持续迭代到 92%。
系统架构
Edge → Agent → MCP → Backend 四层架构
📡
Edge GatewayOPC UA / MQTT→
🤖
Orchestrator AgentLangGraph→
🔌
MCP Tools6 个工具→
📊
Backend ServicesFastAPI / K8sAgent 工作流
从数据采集到维修建议的完整推理链
📡 Sensor Collector每 5s 采集振动/温度/电流
→
🔍 Anomaly DetectorIsolation Forest + LLM
→
🧠 Root Cause Agent检索历史维修知识库
↓
📋 Work Order Agent生成维修方案 + 派单
→
👤 Human Approval维修主管确认
→
📈 Feedback Loop结果回写优化模型
改造前后对比
改造前
- 人工巡检，每天 2 次
- 故障发现延迟 平均 4.2 小时
- 误报率 38%（振动阈值告警）
- 维修方案靠老师傅经验
- 非计划停机 月均 32 小时
- 年停机损失 ~$4.2M
➜
改造后
- Agent 实时监控，5 秒粒度
- 故障预警提前 平均 72 小时
- 误报率降至 6%（LLM 验证）
- 维修方案 AI 生成 + 知识库支撑
- 非计划停机 月均 17.6 小时
- 年节省成本 ~$2.3M