通过人工智能驱动的分析技术，革新设备维护，实现故障预测、生成维修计划，并减少停机时间。
行业： 制造与移动、航空航天与国防、能源与环境
产品： MongoDB Atlas、MongoDB Atlas Charts、MongoDB Atlas Stream Processing、MongoDB Atlas Vector Search
解决方案概述
预测性维护解决方案可以帮助组织取得重大的运营成就，例如将停机时间减少 15-20%，将劳动生产率提高 5-20%，以及将维护成本降低 30-60%，根据德勤的数据。
该解决方案使用MongoDB Atlas构建端到端预测性维护系统，帮助制造商预防设备故障并优化维护操作。该解决方案分为四个阶段：
机器优先级和关键性分析：使用基于 机器学习 和 RAG 的分析来确定设备的优先级，以进行预测性维护。
故障预测：使用Atlas Stream Processing处理实时传感器数据并在潜在故障发生之前检测到它们。
维护计划生成：使用接受过维护手册、库存数据和资源信息培训的法学硕士，自动为故障情况生成详细的工作指令。
维护指导生成：生成增强的维护指导，并使用Change Streams直接向技术人员的移动设备发送指令。
图1。预测性维护工作流程的四个阶段
参考架构
本节将指导您了解此解决方案中每个阶段的架构。
机器优先级排序和重要性分析
图2.用于机器优先级推荐的 AI 系统图
此阶段使用 RAG 来确定哪些机器需要预测性维护。系统处理两种类型的输入数据：
结构化数据，例如生产参数和机器故障频率。
非结构化数据，例如存储在 PDF 文档中的机构知识。
该工作流程将两种数据类型聚合并操作为MongoDB Atlas中的向量嵌入，然后使用向量搜索对数据库进行语义搜索。搜索结果通过 Amazon Bedrock 或 Cohere 向 LLM 提供相关上下文，后者生成对优先级查询的响应。这有助于维护团队做出数据驱动的决策，决定首先需要关注哪些机器。
故障预测
图3.使用 MongoDB Atlas 实现实时传感器监控
此阶段通过六个关键阶段处理实时机器传感器数据以进行故障预测：
数据集合：按优先级排序的机器会捕获产品类型、温度、速度和工具磨损等指标。
Stream processing：系统转换原始传感器数据。
数据存储：数据存储在MongoDB Atlas中。
变更检测：变更流监控数据的重大变更。
机器学习推断：训练有素的模型可以预测潜在的故障。
双输出： Atlas Charts实现数据可视化，Change Streams启用移动通知。
维护计划生成
图 4. AI 驱动的工单生成系统示意图
此阶段通过以下架构自动创建维护工作订单：
文档处理：该解决方案将机器手册和旧工单分割成数据块，并使用 Cohere 嵌入模型将其转换为向量。
向量存储：该解决方案将嵌入存储在MongoDB Atlas中。
工作订单生成：专门的应用使用 LLM 生成工作订单模板，通过聚合管道提取库存和资源信息，并创建详细的维修计划。
维护指导生成
图5.RAG 工作流可优化技术人员的维修指导
此阶段使用 RAG 来增强具有以下架构的操作符指令：
服务说明处理：将多语言 PDF 服务说明转换为文本。
翻译：通过翻译模型处理非英语内容。
指令生成：使用法学硕士将翻译后的服务说明与原始维修计划相结合。
交付：通过移动应用向技术人员提供更新的维护说明。
构建解决方案
有关完整的实现详情，包括代码示例、配置文件和教程视频，请访问此解决方案的GitHub存储库。
该存储库提供了用于实现预测性维护的生产就绪模板。按照存储库的 README 中的指南进行操作，该指南将指导您完成以下步骤。
设置MongoDB Atlas环境
为此解决方案架构中的各个阶段配置集群、数据库和集合。
为
repair_manuals和maintenance_history集合设置 MongoDB Atlas 搜索 和 Vector Search 搜索索引。设置搜索索引时，请使用以下文档。{ "fields": [ { "numDimensions": 1024, "path": "embeddings", "similarity": "euclidean", "type": "vector" } ] } 配置Atlas Stream Processing。
创建 Atlas Charts 仪表盘，进行监控和可视化。
关键要点
MongoDB 的灵活性支持预测性维护： MongoDB Atlas 将结构化传感器数据和非结构化维护文档相结合，在一个架构中提供实时监控和基于AI的分析。
MongoDB 的功能为端到端预测系统提供支持：该解决方案集成了多个 MongoDB 功能，例如用于实时数据的 Atlas Stream Processing、用于语义分析的向量搜索以及用于移动警报的 Change Streams。
AI支持自动化：该解决方案将多种AI技术与 MongoDB 的开发者数据平台功能相结合，创建自动化的维护工作流程，从机器优先级划分到移动设备维修指导交付。
作者
Dr. Humza Akhtar, MongoDB
Rami Pinto，MongoDB
Sebastian Rojas Arbulu, MongoDB