PlantPulse AI Platform
初次使用请按此顺序
- 让聊天机器人基于我们的文档作答 — 用一份文档获得第一个回答
- 提问示例 — 可以问些什么
- 一行命令安装 → 修改初始密码
- 业务流程 — 导入后持续用好它
"工厂的全部数据，让所有人，一句自然语言就能获取"
PlantPulse AI Platform 是将制造现场的实时数据、AI 分析与知识管理融为一体的工业 AI 副驾驶平台。
工厂操作人员用自然语言提问，AI 会自动完成实时传感器数据查询、异常检测、预测分析和技术文档检索，支撑即时且准确的决策。
副驾驶 — 现场判断应用
供人使用的应用 副驾驶 是一款发现工厂问题并连同依据一起给出建议、由人审批后关闭、不懂就问、重复性工作交给自动化的 现场判断应用。它是操作工 · 班长 · 维修 · 厂长开启一天的入口，用途有提问 · 建议 · 自动化三种。 侧边栏自上而下为新对话 · 建议 · 自动化 — 没有单独的「提问」项，新对话和首次打开的画面就是提问。
| 用途 | 做什么 | 详情 |
|---|---|---|
| 提问 | 用文字 · 图片 · 语音提问，获得带依据的回答。这是首次打开的画面，需要动手处理的事项折叠为「今日待办」一行（点击展开） | AI 聊天 |
| 建议 | 把 AI 找出的待办（计划）与待确认异常 · 事件（突发），在同一详情页中完成 受理 → 审批 → 处置 → 结果 → 复发验证 | 建议 |
| 自动化 | 用一句话委托「每天早上帮我看一下这个」。结果以建议卡片 · 报表返回，也可通过应用通知 · 企业邮件 · 即时通讯接收。需要盯住的项（原「监视」）也在这里创建 | 自动化 |
也明确说明副驾驶不是什么。
| 不是什么 | 原因 |
|---|---|
| MES | 执行 · 实绩的正本在客户系统。副驾驶只读取，写入的只有经人审批的草稿 |
| ERP | 订单 · 物料 · 成本的正本同样在客户系统。写入同样只发出已审批的草稿 |
| BI 仪表板 | 目标不是数字，而是数字背后的原因与下一步行动。想看数字就在提问中问 |
| 聊天机器人 | 聊天只是一个入口。发现的问题会上升为建议，一路走到审批 · 处置 · 结果 · 复发验证 |
| 操作工执行终端 | 不做 MES 工单的开工 · 完工报工 — 建议中的「结果记录」是执行建议 · 事件的结果 |
原则有两条。
- 用自动化替代功能 — 出现想新增关注的事项时，不必等待画面 · 菜单增加，而是先看能否用自动化解决。 需要反复确认的事情，一句话委托出去即可。
- 可选集成 — 数字主线 · MES · ERP · PLM · QM 的连接是可选项。即使没有连接，画面也是完整的；连接后只是能力增强 — 提问与自动化可用的工具、建议上附带的依据链接。不存在专供集成使用的画面 · 卡片 · 菜单。
AI 负责说明 · 摘要 · 草稿，写入由人审批。画面为无彩色，颜色仅用于状态点（红色紧急 · 橙色注意 · 绿色正常）。
名称变更
智能体 · 智能体构建器现称为自动化。由报警 · 异常信号打开的每一个单据称为事件（代码 · API 中的 incident）。旧菜单「今日 · 执行建议 · 异常诊断 · 解决 · 报表」已并入
提问首页与建议。监视已取消 — 需要盯住的项用自动化创建（旧画面的地址不会迁移到新位置）→ 副驾驶画面地图 — 旧地址
核心数据
| 项目 | 数值 |
|---|---|
| 为聊天提供工具的 MCP 服务器 | 6 处 |
| 平台集成 MCP 数据工具（含本体） | 22 个 |
| TimeSeries-Insight 分析工具 | 39 个 |
| RAG 检索工具 | 2 个 |
| 数字主线工具 | 3 个 |
| 本体节点类型 | 14 种 |
平台构成
| 组成要素 | 作用 |
|---|---|
| AI Chat Web | 用户界面 — 副驾驶（提问 · 建议 · 自动化）。提问中的工具调用由内置智能体执行 |
| 集成 MCP | 实时工厂数据网关（平台 server-web /api/v5/mcp，含本体） |
| Ontology | 工厂知识图谱 — 设备关系/结构分析（包含于集成 MCP） |
| TimeSeries-Insight | AI 异常检测 + 预测 + 特征存储（39 个分析工具） |
| RAG | 基于 LightRAG 的技术文档检索 — 即时查阅手册、SOP、规程 |
| Digital Thread | 外部系统（MES·SCM·ERP·PLM·QM）连接器与工厂图谱镜像 — 设备时间线与连接追踪 |
| AURA | 工业专用 LLM — 制造领域微调模型 |
导入效果
| 领域 | Before（现状） | After（PlantPulse AI） |
|---|---|---|
| 掌握现状 | SCADA+Excel+手册 30 分钟~1 小时 | 自然语言提问 10 秒 |
| 异常发现 | 基于规则的报警（事后应对） | AI 事前发现 + 原因推定 |
| 维护方式 | 预防性维护（基于周期） | 预测性维护（基于状态） |
| 文档检索 | 在文件服务器手动查找 | AI 混合检索即时完成 |
| AI 成本 | 云 API 按量计费 | 本地部署固定成本无限使用 |
| 数据安全 | 向外部云传输 | 企业内本地部署完全保留 |
技术栈
| 层级 | 技术 |
|---|---|
| AI 模型 | AURA LLM, IBM Granite TSPulse, TinyTimeMixer TTM |
| AI 框架 | MCP (Model Context Protocol), LiteLLM, LightRAG |
| 后端 | Java 21 / Spring Boot 3.4, Python / FastAPI |
| 图数据库 | Neo4j |
| 向量数据库 | Qdrant |
| 关系型数据库 | PostgreSQL 18 |
| 时序数据库 | Apache Cassandra |
| 缓存 | Valkey（兼容 Redis） |
| 对象存储 | RustFS（兼容 S3） |
| GPU | 兼容 NVIDIA DGX Spark（低配置运行） |
| 部署 | 本地部署 / 边缘 / 云 |
适用对象
| 行业 | 主要应用场景 |
|---|---|
| 食品饮料制造 | 生产线 OEE 管理、质量监控、能耗优化 |
| 化工/石油化工 | 工艺异常早期发现、安全规程遵守、设备健康管理 |
| 汽车零部件 | 预测性维护、工单质量追溯、生产线平衡 |
| 半导体/电子 | 微小异常检测、良率预测、洁净室环境监控 |
| 钢铁/金属 | 高温设备监控、能源管理、维护周期优化 |