TimeSeries-Insight — AI 分析引擎
概述
PlantPulse TimeSeries-Insight 是专为制造业时序数据打造的 AI 异常检测、预测与综合分析 MCP 服务器。
它基于 IBM Granite TSPulse(异常检测)与 TinyTimeMixer TTM(预测)AI 模型,对传感器数据、OEE、RAM、EMS、报警、工单等工厂全部时序数据提供智能分析。
通过 33 个分析工具与特征存储,可支持从实时分析到预计算综合洞察的各类场景。
由两个服务组成
insight-api(:8970)负责工具与数据,模型推理(TSPulse·TTM)则委托给
insight-server(:8980)。GPU 仅推理侧需要,因此两个服务可部署在不同
设备上。
AI 异常检测 (Anomaly Detection)
基础模型: IBM Granite TSPulse
| 对象 | 工具 | 分析内容 |
|---|---|---|
| 设备传感器 | detect_asset_anomaly | 检测温度、压力、振动等传感器异常模式 |
| 系统资源 | detect_system_anomaly | 检测 CPU、内存、磁盘异常 |
| OEE | detect_oee_anomaly | 时间开动率、性能、质量异常模式 |
| RAM | detect_ram_anomaly | MTBF、MTTR 异常模式 |
| EMS | detect_ems_anomaly | 能耗、电力、碳排放异常 |
| 工单 | detect_order_anomaly | 生产质量异常(OEE/RAM/EMS/复合) |
| 报警 | detect_alarm_anomaly | 报警频次异常模式 |
主要参数:
threshold— 异常判定阈值(设为 0 时自动)top_k— 输出的异常指标数量上限lookback_minutes— 分析时间范围target_columns— 分析对象(未指定时自动查询全部传感器)
AI 预测 (Forecasting)
基础模型: TinyTimeMixer (TTM)
| 对象 | 工具 | 预测内容 |
|---|---|---|
| 设备传感器 | forecast_asset | 传感器值未来趋势 |
| 系统资源 | forecast_system | CPU/内存/磁盘使用率 |
| OEE | forecast_oee | 时间开动率、性能、质量未来走势 |
| RAM | forecast_ram | 设备可靠性指标未来趋势 |
| EMS | forecast_ems | 能耗、碳排放展望 |
| 工单 | forecast_order | 生产质量未来走势 |
| 报警 | forecast_alarm | 报警频次趋势、故障预测 |
主要参数:
prediction_length— 预测步数enable_bounds— 输出置信区间(上限/下限)
报警深度分析
| 工具 | 说明 |
|---|---|
get_alarm_stats | 报警统计摘要 — 频次、优先级分布、Top 报警、Top 标签 |
analyze_alarm_duration | 报警持续时间/MTTA 分析 — 劣化检测、平均确认时间走势 |
analyze_alarm_correlation | 报警-传感器相关性 — 哪些传感器变化引发了报警 |
设备健康指数
get_asset_health — 综合传感器 + OEE + RAM + EMS + 报警,计算 0~100 分健康评分
特征存储 (Feature Store)
通过预计算特征与 LLM 上下文,提供快速综合分析。
| 工具 | 说明 |
|---|---|
get_feature_status | 特征存储状态 — 调度器作业、执行时刻、回填状态 |
get_asset_features | 设备特征查询 — 健康评分、异常评分、报警、状态、生产指标 |
get_asset_context | LLM 上下文 — 按日综合分析摘要文本(预先生成) |
analyze_asset | 设备综合分析 — 健康评分、传感器、报警、OEE/RAM/EMS、原因提示 |
explain_asset_anomaly | 异常原因分析 — 基于异常标签、报警、状态变化的原因推断 |
trigger_feature_pipeline | 手动执行特征流水线 |
特征存储架构:
- 调度器: 按小时(hourly)、按日(daily)自动计算特征
- 嵌入: 将设备特征转换为向量,支持相似度检索
- LLM 上下文: 预先生成按日综合分析文本,最大化响应速度
MCP 资源(6 个)
| 资源 URI | 说明 |
|---|---|
plantpulse://system/info | 系统信息 |
plantpulse://domains | 域列表及 API 端点 |
plantpulse://metrics/oee | OEE 指标说明 |
plantpulse://metrics/ram | RAM 指标说明 |
plantpulse://metrics/ems | EMS 指标说明 |
plantpulse://metrics/alarm | 报警指标及分析能力 |
理解设备与标签
当一台设备挂有数千个标签时,靠人力无法逐一说明其含义。以下工具会基于实际数据统计与平台元数据,自动梳理标签的性质。
| 工具 | 说明 |
|---|---|
list_asset_tags | 设备的标签列表 |
get_asset_profile | 设备画像 — 梳理各标签分别属于何种性质 |
get_asset_tag_relations | 标签间相关性 — 将同步变化的标签归为一组 |
案例检索与比较
| 工具 | 说明 |
|---|---|
find_similar_assets | 相似设备检索 — 基于向量嵌入的余弦相似度 |
find_similar_anomalies | 相似异常案例检索 — 过去是否出现过相同形态的异常 |
find_fleet_outlier | 机群离群项 — 同类设备中唯独表现不同的那一台 |
search_pattern | 模式检索 — 查找与指定波形相似的区间 |
check_failure_precursor | 故障前兆巡检 — 故障前曾出现的信号当前是否再度出现 |
应用场景
| 场景 | 使用工具 |
|---|---|
| 设备异常早期检测 | detect_asset_anomaly → explain_asset_anomaly |
| 预知维护计划 | get_asset_health → forecast_asset → forecast_ram |
| 每日设备简报 | get_asset_context → get_asset_features |
| 报警泛滥原因分析 | get_alarm_stats → analyze_alarm_correlation → analyze_alarm_duration |
| 相似设备对比分析 | analyze_asset → find_similar_assets |
| 该异常以前是否发生过 | detect_asset_anomaly → find_similar_anomalies |
| 在故障发生前捕捉 | check_failure_precursor → forecast_ram |
| 同型设备中仅一台异常 | find_fleet_outlier → analyze_asset |
| 能源异常检测 | detect_ems_anomaly → forecast_ems |
| 生产质量预测 | detect_order_anomaly → forecast_order |