arXiv cs.CL· Akash Raj·· 3 天前AI 评分26
Plant Memory：面向 SAP PM 工单的工业故障知识 TLP 系统与可验证维护本体
Plant Memory: Technical Language Processing and a Verified Maintenance Ontology for Agent-Accessible Failure Knowledge from SAP PM Work Orders
AI 导读
Plant Memory 将技术语言处理（TLP）应用于 SAP PM 工单导出，构建 ISO 14224 对齐的维护本体，每条抽取事实都带置信度、证据来源和验证状态。
正文 · AI 翻译
摘要：维护工单是工业设备如何失效的最大书面记录，但在大多数工厂中，它们几乎无法用于分析。短文本被缩写和拼错，资产身份被埋没在自由文本中，工作类型标签与所描述的工作相矛盾，而对可靠性最重要的字段（症状、根本原因、采取的措施）通常是空的。结果，诊断知识留在资深技术人员手中，并随着他们的离开而流失。我们提出 Plant Memory，一个将技术语言处理（TLP）应用于 SAP 工厂维护（PM）导出数据的系统，并构建一个与 ISO 14224 对齐的维护本体，其中每个提取的陈述都是一个具体化的事实，携带置信度分数、读取该事实所依据的证据以及验证状态。提取以规则优先，可选的大型语言模型（LLM）充当第二读者，其分歧会提高事实的审查优先级，而不是覆盖它。技术人员通过审查队列验证事实，在故障重复发生但没有记录原因的地方回答有针对性的知识缺口问题，并在新术语出现时批准或拒绝本体漂移提案。生成的图谱通过 Web 应用程序提供给人员，并通过模型上下文协议（MCP）服务器提供给 AI 代理，因此两者查询相同的已验证知识，并且每个答案都引用其背后的工单。在一个来自蒸谷米厂的 400 份工单的合成 12 个月导出数据上，基于规则的提取在 62% 的覆盖率下达到 96.2% 的组件准确率、88.9% 的故障模式准确率和 100% 的根本原因精确率；在 28 个诊断问题上，来自本体的排名根本原因在 82.1% 的情况下 top-1 正确，而原始 SAP 根本原因列仅为 53.6%。
| 评论： | 12 页，3 幅图，6 张表。代码：此 https URL |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.19131 [cs.AI] |
| （或 arXiv:2610.19131v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19131 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Akash Raj [查看电子邮件]
[v1]
2026 年 10 月 13 日星期二 20:02:31 UTC（560 KB）
来源：arXiv cs.CL · arxiv.org