目录
一、概述
二、设备预测性维护智能体
三、设备预测性维护智能体应用
3.1 提示词
3.2 问数过程
3.3 问数结果
3.4 问数报告
参考文章
通过网盘分享的文件（程序包和应用手册）：iNeuOS_AiInsight·数智灵鉴
V1.1 版本更新内容：
1.增加问数过程黑名单和白名单机制，避免误操作风险。
2.减少执行过程中 token 的消耗，大致减少 50% 的 token 用量。
3.提高问数过程的执行效率。
4.修复生成报表失败后造成内容不完整的情况。
一、概述
以 iNeuOS_IOT 平台为数据底座，采集设备振动传感器的时序数据。当用户以自然语言输入"分析某设备最近运行状态"后，iNeuOS_AiInsight 智能问数平台与 DeepSeek V4 Pro 大模型协同，自动路由至预测性维护技能包 ineuos-pdm，主要应用流程：
（1）设备关键词匹配、自动发现全部振动通道并查询最近历史数据；
（2）对通道历史数据计算时域特征、FFT 频谱分析、TOP5 频率提取、3σ 异常检测，输出 0-100 分健康指数；
（3）加载时序模型，以原始数据为基础，进行多通道未来趋势预测数据；
（4）对历史数据和预测数据分析结果进行综合评估预警等级（🟢🟡🟠🔴）、四维风险（趋势评分、波动性评分、阈值接近度评分和不确定性评分）与剩余使用寿命；
（5）历史分析与预测评估逐通道对比，结合 DeepSeek V4 Pro 大模型，生成可视化诊断报告，输出设备健康评估、退化趋势预测和分级维护建议。
核心特点：（1）自然语言交互，无需 SQL 或专业工具；（2）振动通道独立分析和综合评估，支持 1~16 通道并发；（3）时域 + 频域双维度分析 + 自适应基线健康评估 + 时序模型预测四层递进；（4）全链路错误处理及恢复机制，快速完成端到端响应。
创新点：（1）首次将 IoT 数据管道、时序基础模型与问数框架及 LLM 智能体三者深度编排为技能包架构，各层职责严格解耦；（2）大模型从根本上杜绝幻觉查询与上下文污染。
应用领域：工业给料电机与轧机、石化泵组与压缩机、电力发电机与风电机组、机加制造 CNC 主轴与传送系统、矿山破碎机与通风机等各类旋转机械设备的振动监测与预测性维护。
二、设备预测性维护智能体
目录结构说明，SKILL.md 是技能入口，database-schema.md 是数据库结构说明，report_template.html 是报告模板，analysis-prediction.py 为振动数据分析和时序模型预测的脚本，SKILL.md 中可以引用 database-schema.md、analysis-prediction.py 和 report_template.html。升级版本可以增加转速、温度、电流、电压等数据。
- ineuos-pdm - references - database-schema.md - scripts - analysis-prediction.py - templates - report_template.html - assets - SKILL.md |
如下图：
三、设备预测性维护智能体应用
3.1 提示词
示例 1：分析酒钢 1#高炉给料电机最近的工作状态。
示例 2：分析酒钢 1#高炉给料电机最近 1 小时的振动数据。
示例 3：预测酒钢 1#高炉给料电机最近的工作状态。
示例 4：预测酒钢 1#高炉给料电机最近的运行状态。
3.2 问数过程
选择技能和大模型，时序模型在 py 脚本文件中加载。用户输入提示后，开始执行振动分析过程：
3.3 问数结果
分析过程比较快，如果中间有错误出现，问数框架协同大模型会进行修正。如下图：
3.4 问数报告（单设备）
最终生成 report.html 报告，下载到本地。如下图：
3.4 问数报告（多设备）
参考文章
（1）硬件网关：https://mp.weixin.qq.com/s/iKMqn62YIhBlXjGtY2wKXQ。
（2）物联网（IOT）：https://mp.weixin.qq.com/s/5u4L8fItaFpIbVYOlxbmGg。
（3）视觉分析（Vision）：https://mp.weixin.qq.com/s/SiiuXTTGplTAERRYyCmGCQ。
（4）大模型智库（AiMind）：https://mp.weixin.qq.com/s/SH_q2k_zbQ-pcd05zj86-g。
（5）大模型智能问数（AiInsight）: https://mp.weixin.qq.com/s/A1fIQq_w9c8SW9aEWVIsgw。