产品愿景
PlantPulse AI 解决的问题
制造现场如今面临三大核心挑战：
数据孤岛
SCADA、MES、ERP、文档系统各自分离运行。为了弄清一个异常现象，需要在多个系统间来回采集数据、整理成 Excel、查阅手册，耗时 30 分钟到 1 小时。
以事后应对为主的运营
大多数工厂依赖基于规则的报警。报警响起时，问题已经发生。预防性维护按周期执行，与设备实际状态无关。
依赖熟练人员
核心技术知识依赖少数熟练人员的经验。人员退休时隐性知识随之流失，新人培训需要很长时间。
PlantPulse AI 的方法
PlantPulse AI 用一个自然语言界面解决这些问题。
"주입기 상태 분석해줘"
仅凭这一句话，AI 会自动完成：
- 实时传感器数据查询（统合 MCP，116 个数据工具）
- 异常检测与预测（TimeSeries-Insight，IBM Granite TSPulse）
- 设备关系结构掌握（知识图谱 — 统合 MCP，Neo4j）
- 相关手册检索（RAG — LightRAG，混合检索）
- 综合分析报告生成（AURA LLM，产业专用模型）
所有这些过程在 10 秒以内完成。
提问只是一个入口。面向人的应用程序协作助手（Copilot），是一个现场判断应用：AI 先发现问题，连同依据一起作为建议提交，人员审批后，将处理·结果·复发验证全部闭环，而重复性确认则交给自动化处理——可用"提问·建议·自动化"三个词概括（侧边栏中有新对话·建议·自动化，提问进入新对话）→ 协作助手 — 现场判断应用
差异化优势
| 现有方案 | PlantPulse AI |
|---|---|
| 以仪表盘为中心 — 需用户自行查找 | AI 主动发现问题并附带依据提出建议 — 不明白时可用自然语言提问 |
| 单一领域分析 | 跨领域综合分析（传感器+OEE+报警+文档） |
| 基于规则的报警 | 基于 AI 的异常检测 + 预测 |
| 通用 AI | 产业专用 AURA LLM — 经过制造领域训练 |
| 依赖云端 | 本地部署/边缘部署 — 支持 DGX Spark |
| 以英语为中心 | 原生韩语支持 — 理解现场术语 |
| 专家工具 | 任何人都能使用 — 自然语言界面 |