阀门健康画像
指令-反馈配对 + 时序基座模型零样本检测，输出劣化趋势、卡涩风险与剩余可用时间，不依赖历史故障标注。
- COMMAND-PAIR
- ZERO-SHOT
- 20 DEVICES
ABOUT THE PROJECT · 05
关于知机物联
知机 = 知晓机器、知晓先机。我们想把工业现场最稀缺的「老师傅经验」， 变成一套可复现、可审计、只读安全的 AI 值班能力。
WHY WE BUILD IT
从「报警响了再查」到「劣化之前就知道」
阀门与执行器是流程工业里最容易被忽略、也最容易出问题的部件。传统运维依赖定期巡检和老师傅听声辨位： 指令下去了、反馈没跟上，往往要等到工艺参数漂移才被发现。
知机物联把现场最原始的两路信号 —— 控制指令与阀位反馈 —— 配对成时序样本， 用时间序列基座模型做零样本异常检测，形成每台设备的健康画像；再把报警日志、工况与历史处置记录交给 根因诊断 Agent，把满屏报警收敛成一句人能看懂的话。
在安全边界上，我们坚持只读：AI 不写设备、不下指令、不改参数， 全部查询走独立的只读账号，并保留完整审计记录。演示环境里的 AI 对话、SQL 生成与大屏组态， 都跑在这条链路上。
20演示接入设备
342万遥测样本行数
100%组态生成评测通过率
5s查询熔断上限
THREE LAYERS
三层能力，一条安全链路
从时序到语言，每一层都可单独交付，也可以串成一个完整的值班流程。
报警根因诊断
LLM + RAG 把报警、工况与处置记录串起来，给出根因假设与排查顺序，全程只读，不触碰控制回路。
- RAG
- READ-ONLY
- AUDITED
对话式监控
自然语言提问直接出表、出图，一句话生成组态大屏；五层 SQL 校验确保客户数据隔离与查询可控。
- NL2SQL
- AI DASHBOARD
- SANDBOX
HOW IT RUNS
一次值班的完整链路
-
STEP 01
采集
MQTT 边缘网关接入设备，指令与反馈按毫秒级配对入库。
-
STEP 02
画像
分钟聚合 + 时序模型，持续更新每台设备的健康分与劣化曲线。
-
STEP 03
诊断
报警触发后自动归因，输出根因假设、影响范围与处置建议。
-
STEP 04
对话
工程师直接提问，AI 生成只读 SQL 或组态大屏，结果可追溯。