制造企业的设备知识,绝大多数不在文档库里,而在两张纸上:一张是班组长手里的点检表,一张是维修工的工单。某次主轴异响排查了三天才定位到皮带张紧轮,三个月后同样的异响出现,当时的排查路径、更换件型号、判断依据却谁也说不全。设备知识的断层,本质是时序记录没有被组织化。本文给出一套可复现的方案:把点检、维保、故障处置三类时序记录入向量库,让每一次设备异常都能检索到历史同类处置。
一、资产盘点:三类记录分层入库
先盘清设备相关知识的载体,通常分三层:
第一层,静态档案:设备台账、说明书、润滑图表、电气原理图。数量少、更新慢,适合整册解析入库。
第二层,周期记录:点检表、保养记录。每日或每周产生,格式高度模板化,适合按行或按条目切片。
第三层,事件记录:维修工单、故障分析报告。价值密度最高,一条工单往往包含现象、排查路径、根因、措施四段关键信息,是整个知识库的核心资产。
多数企业只做了第一层,恰恰漏掉了价值最高的第三层。建议把入库顺序反过来:先工单,再点检保养,最后整册档案。
二、元数据建模:让时序可过滤
时序记录与制度文档最大的差别,是它必须能按设备、按时间、按状态过滤。推荐七个元数据字段:
device_id(设备编号,与台账一致)、device_type(机型,便于同类设备横向复用)、record_type(record_type 取值:点检、保养、维修、故障分析)、occur_date(发生日期)、line(产线)、component(部件,如主轴、液压系统)、status(是否已闭环)。其中 device_id 与 record_type 是过滤主键,component 决定了跨设备复用的效果。
入库解析可以用 python-docx 与 openpyxl 直接处理现存的工单与点检表。以下为可运行的核心代码:
import re
from docx import Document
import chromadb
client = chromadb.PersistentClient(path='./device_kb')
col = client.get_or_create_collection('device_records')
def parse_workorder(path, device_id, line):
doc = Document(path)
paras = [p.text.strip() for p in doc.paragraphs if p.text.strip()]
# 按四段式标题切分:现象/排查/根因/措施
keys = ['现象', '排查', '根因', '措施']
sections, cur = {}, None
for t in paras:
m = re.match('^(' + '|'.join(keys) + ')[::]?(.*)