夜雨聆风
中广核30台机组已积累324堆年运维经验，在各生产系统沉淀了维修通知单、工单、改造替代、QDR/DER、技术问题、值长日报、经验反馈等超1200万份宝贵报告资料。如何高效盘活这些数据资产，精准提取设备全生命周期履历信息，萃取其中蕴含的专家故障分析与处置经验，推动运维知识向可复用能力转化，成为我们持续探索的方向。
如今，这一探索已取得突破性成果。中广核苏州热工院和智科公司、群厂联合研发的“可靠性数据治理智能体”历经6个月的试运行优化，近日正式上线启用，它如同一位不知疲倦的“AI精兵”，既能24小时不间断分门别类整理运维数据，又可实现秒级响应，为工程师提供专业建议。
01
“智能标注”练就火眼金睛，让部件故障模式自动迭代优化
依托集团大数据中心，打通了群厂48套业务系统，汇集了1200万份报告数据，解决了数据孤岛问题。在此基础上，可靠性数据治理智能体通过“设备+管理流程+时间”线索，自动对SAP维修通知单、SAP维修工单、QDR、DER、技术问题、IOER等报告进行智能分组，精确还原每一个故障从发生→决策→维修→分析→改进的全流程全貌。然后，从分析报告中精准标注设备、部件、故障模式等关键信息，所有标注结果“原文高亮、秒级溯源”，确保每一条结论有据可查、全程可追溯。数据治理智能体彻底替代了人工逐条整理、逐项标注的繁琐工作！更关键的是，它还自带“学习能力”，遇到新的故障模式时，会自动提醒专家核实，一经确认，即刻迭代更新故障模式知识库。
02
“智能问答”从1天到1分钟，工程师不再为找数据发愁
面对历史故障案例，“智能溯源”一键生成故障履历，提供可视化事件图谱，设备故障的来龙去脉一目了然，工程师告别“大海捞针”式查找。面对每日新增异常，“智能问答”一键分析总结历史经验，给出异常设备信息、设备运维历史、群厂经验反馈、可能故障原因、推荐处理措施，还能自动生成专业分析报告。原本需要“一整天”完成的工作，现在“1分钟内”即可搞定，台山一线工程师刘旭朝表示：“以前找一份故障履历要翻遍好几个系统，现在一键就能获取所有信息，还能得到专业建议，大大节约了时间，让我们能更专注于设备管理的核心工作。”
03
“故障统计”变身知识参谋，让数据驱动管理措施闭环迭代优化
数据治理智能体不只是“数据整理员”，更是专业的“故障知识参谋”。它能从海量故障案例中挖掘规律，构建起“故障发现→模式识别→原因分析→整改落实→效果验证→经验沉淀”的闭环故障管理模式。通过这套模式，典型故障案例、共性问题规律都能转化为标准化的管理举措，让设备管理经验从“个人积累”变成“集体共享”，实现了从“解决单个故障”到“预防一类故障”的升级，持续提升设备可靠性。
“核电运维数据类别繁杂、专业术语密集、数据标准化程度低，初期我们经常遇到数据标注偏差、跨系统数据无法融合的问题，团队成员敏捷调优算法模型，6个月累计验证超10万条数据，成功取得了部件拆解与故障模式标准化、非结构化数据智能解析、跨系统数据智能融合、故障模式智能识别四大核心技术突破。”项目研发负责人杨小虎说道。可靠性数据治理智能体的上线应用，不仅标志着中广核设备运维数据治理迈入智能化新阶段，更为核电行业运维数据治理提供了可复制、可推广的智能化解决方案，为推动核电行业数字化、智能化转型注入了新活力。
接下来，这员“AI精兵”将持续迭代升级，深挖1200万份运维报告数据价值，为运行新增异常智能分析、维修工单智能准备、计划智能定级分票等更多场景赋能，为核电安全稳定运行筑牢智能防线。
更多老铁还关注
1 | |
2 | |
3 |
● 内容来源：中广核
● 版权说明：版权归原作者所有，如有侵权请联系删除；文章内容属作者个人观点，不代表本院观点和立场。转载请注明来源；文章内容如有偏颇，敬请各位指正；如标错来源，请跟我们联系。
欢迎与冶金工业信息标准研究院合作，电话 18722397967 18911030405（微信同号）
冶金工业信息标准研究院
冶金工业信息标准研究院成立于1963年，现为国务院国有资产监督管理委员会举办的事业单位，是国内唯一集冶金标准化服务、信息研究、媒体宣传、综合咨询于一体的专业化科研机构。
冶金工业信息标准研究院拥有一支包括标准研制、综合咨询、信息研究、媒体宣传、知识产权服务、数据库建设等专业人才的高层次专家队伍。专业技术人员占总职工人数的89%，其中，高级以上职称人员占53%。承担过多项863、973、国家科技支撑计划、国家重点研发计划等研究项目，获得过省部级以上奖励207次，其中国家科学技术进步奖二等奖2项，三等奖2项，7项科研成果在全国科学大会上受到表彰。
主要业务为：承担国家科技图书文献中心（NSTL）冶金分中心任务，承担中国工程科技知识中心（CKCEST）冶金分中心任务，拥有国家工程咨询甲级资质，负责全国钢、铁矿石与直接还原铁、生铁及铁合金标准化技术委员会工作，出版《世界金属导报》。
觉得好看！请点
在看
👇
