| | --- |
| | title: Predictive Maintenance Agent |
| | emoji: 🏭 |
| | colorFrom: gray |
| | colorTo: blue |
| | sdk: docker |
| | app_port: 7860 |
| | short_description: 工业预测性维护智能体 (Industrial IoT Anomaly Detection & Diagnosis) |
| | --- |
| | |
| | # 工业预测性维护智能体 (Predictive Maintenance Agent) |
| |
|
| | 这是一个面向工业物联网 (IIoT) 场景的 AI 智能体应用，旨在通过模拟传感器数据监控设备健康状态，实时检测异常，并利用大语言模型 (SiliconFlow/Qwen) 提供故障诊断和维护建议。 |
| |
|
| | ## 核心功能 (Core Features) |
| |
|
| | 1. **设备数字孪生 (Asset Digital Twin)**: |
| | - 实时监控工业设备（如 CNC 机床、液压泵、传送带）的关键指标（振动、温度）。 |
| | - 动态可视化仪表盘 (ECharts)。 |
| |
|
| | 2. **异常检测 (Anomaly Detection)**: |
| | - 基于阈值的实时故障监测。 |
| | - 模拟故障注入 (Fault Injection) 用于测试系统响应。 |
| |
|
| | 3. **AI 智能诊断 (AI Diagnostics)**: |
| | - 集成 SiliconFlow API (Qwen2.5-7B)。 |
| | - 自动分析异常数据，提供“根本原因分析” (Root Cause Analysis) 和“维护建议” (Actionable Recommendation)。 |
| |
|
| | 4. **资产管理 (Asset Management)**: |
| | - 设备健康度评分 (Health Score)。 |
| | - 维护历史记录。 |
| |
|
| | ## 技术栈 (Tech Stack) |
| |
|
| | - **Backend**: Python Flask 3.0 |
| | - **Frontend**: Vue.js 3 + Tailwind CSS |
| | - **Visualization**: Apache ECharts |
| | - **Database**: SQLite (Persistent storage) |
| | - **AI Model**: SiliconFlow API (Qwen/Qwen2.5-7B-Instruct) |
| | - **Deployment**: Docker |
| |
|
| | ## 快速开始 (Quick Start) |
| |
|
| | ### 本地运行 (Local Run) |
| |
|
| | 1. 安装依赖: |
| | ```bash |
| | pip install -r requirements.txt |
| | ``` |
| | |
| | 2. 运行应用: |
| | ```bash |
| | python app.py |
| | ``` |
| | |
| | 3. 访问: `http://localhost:7860` |
| |
|
| | ### Docker 运行 |
| |
|
| | ```bash |
| | docker build -t maintenance-agent . |
| | docker run -p 7860:7860 maintenance-agent |
| | ``` |
| |
|
| | ## 商业价值 (Commercial Value) |
| |
|
| | 该项目展示了 AI 在工业 4.0 中的实际应用，能够帮助工厂： |
| | - 减少非计划停机时间。 |
| | - 降低维护成本。 |
| | - 积累故障模式知识库 (Failure Mode Asset Accumulation)。 |
| |
|
