AI Equipment Management System

设备组 AI 一人公司

一个人负责决策，七个数字人负责执行、分析、预警、记录与追溯，基于飞书 AI 重构设备管理闭环。

1主控调度数字人

7专业岗位数字人

5核心业务流程闭环

10+多维表格数据资产

Business Pain Points

设备管理的核心矛盾：数据在系统里，协同还在人脑里

01

台账变更滞后

新增、停用、报废和状态变更依赖人工登记，容易遗漏和重复。

02

故障上报不标准

文字、图片、口头描述难以快速转化为结构化故障记录。

03

异常响应不主动

物联网数据虽能采集，但报警判断、负责人推送和闭环仍需人工。

04

备件与维修脱节

故障原因、备件库存、采购建议缺少实时联动，容易缺料。

05

审核追溯成本高

故障、点检、维修、文件归档分散，审核时难以快速追溯。

传统模式

人等消息，人工判断

记录分散，事后整理

异常发现慢，闭环弱

备件消耗难复盘

AI 一人公司模式

任务自动分发

数据统一沉淀

AI 自动分析决策

全过程可追溯

Project Positioning

不是聊天机器人，而是设备组的 AI 协同组织

Ⅰ号数字人承担“总经理 / 调度员”角色，理解自然语言、图片和文档任务，再把任务分配给六个专业数字人，最终汇总结果并写入飞书多维表格。

理解自然语言 / 图片

分发任务路由 / 优先级

执行台账 / 故障 / 备件

沉淀多维表格数据资产

追溯报表 / 审核 / 归档

Ⅰ号
主控数字人

Ⅱ 台账新增 / 停用 / 报废

Ⅲ 物联网数据异常 / 报警

Ⅳ 故障图片 / 现象预诊断

Ⅴ 备件库存 / 采购建议

Ⅵ 点检计划 / 超期 / 合规

Ⅶ 报表统计 / QP-612 归档

知识问答QP-615 / SOP 查询

System Architecture

五层架构：从飞书入口到 AI 闭环执行

交互入口层飞书群聊、单聊、表单、消息卡片、移动端拍照

主控调度层Ⅰ号数字人识别意图、调用知识库、分配任务

数据底座层设备台账、故障、物联网、备件、点检、归档表

AI 处理层七个数字人按岗位处理业务，输出结构化结果

自动化通知层工作流、Webhook、阈值判断、负责人推送

飞书消息入口

多维表格数据底座

AI Agent 工作流

报警 / 任务 / 报表推送

设备数据闭环

Data Foundation

多维表格是数据底座：让业务记录变成可分析资产

设备资产域

维护设备全生命周期，形成设备履历。

设备台账设备状态负责人位置履历卡

故障运维域

沉淀故障、AI 分析、维修处理与闭环结果。

故障上报故障分析维修记录处理时长

物联网数据域

承接上位机数据写入，作为异常判断来源。

温度气压电流报警码节拍

备件供应域

将故障结论与备件库存、阈值、采购建议联动。

备件库存安全阈值采购周期消耗分析

点检保养域

检查周期、记录完整性、异常项和责任人闭环。

点检计划保养周期完成状态异常项

审核追溯域

对照 QP-612、QP-615，形成审计可追溯链路。

归档清单追溯链接缺失项任务流转

AI Role Matrix

七个数字人的职责矩阵：岗位清晰，输出标准化

数字人

任务识别

数据读取

AI 分析

自动推送

归档追溯

Ⅰ 主控调度

强

中

强

中

Ⅱ 设备台账

中

强

中

弱

强

Ⅲ 物联网分析

弱

强

中

Ⅳ 产线故障

中

强

中

Ⅴ 备件管控

弱

强

中

强

中

Ⅵ 点检保养

弱

强

中

强

Ⅶ 报表审核

弱

强

中

强

设计原则：每个数字人拥有固定输入、判断逻辑和输出字段，避免“万能机器人”造成职责混乱。

IoT Alert Workflow

物联网异常报警流程：设备数据主动找人

采集传感器 / PLC / 采集模块获取气压、温度、电流、报警码。

写入上位机通过接口或 Webhook 写入飞书多维表格。

分析Ⅲ号数字人判断异常等级、原因、影响范围与是否停机。

推送自动生成报警卡片，推送负责人并创建故障记录。

闭环维修完成后归档，联动报表和审核追溯。

实时气压趋势阈值 0.45 MPa

异常报警卡片

设备 A-003 当前气压 0.39MPa，低于标准下限。建议检查气源、管路泄漏、调压阀与电磁阀。

等级：中高

负责人：设备工程师

动作：创建维修单

Fault Closed Loop

产线故障闭环：一句话或一张图，转成标准故障单

飞书上传图片 / 报警截图

Ⅳ号数字人故障分析

Ⅴ号备件联动

Ⅶ号归档报表

标准化输出字段

将一线非标准描述转化为可统计、可派单、可复盘的数据。

故障设备故障时间故障现象初步原因紧急等级处理建议是否停机备件需求历史案例负责人

信息完整度

92%

处理优先级

高

历史匹配度

68%

闭环风险

中

Dashboard View

商业化数据看板：让使用情况和落地效果可视化

86%故障单标准化率

31%平均响应时间下降

24本周异常预警

12审核缺失项自动发现

故障类型 TOP5 按数量

气压异常

42

真空不足

35

定位偏差

27

电机报警

23

传感器异常

18

闭环能力构成任务链路

故障 / 维修闭环45%

点检 / 保养闭环27%

备件 / 采购闭环17%

审核 / 归档闭环11%

Operational Heatmap

多维分析：设备、时间、故障、备件、审核统一呈现

设备异常热力图越深表示风险越高

周一

周二

周三

周四

周五

周六

A-003

2

4

6

2

1

A-006

1

2

4

2

0

A-009

3

2

1

0

A-012

0

2

4

3

7

2

A-018

1

0

1

2

3

用于定位“高频设备 + 高频时段”，帮助设备组安排重点巡检与改善计划。

看板支持的管理视角

A

设备视角

高风险设备清单、重复故障、停机时长 TOP。

B

故障视角

故障类型分布、根因聚类、处理效率趋势。

C

备件视角

库存阈值、采购建议、故障关联消耗。

D

审核视角

QP-612 文件缺失、点检保养漏项、闭环状态。

Competition Scoring

评分维度对齐：飞书相关、AI 相关、创新与落地同时突出

飞书相关性

96

AI 相关性

94

创新性

91

使用情况

88

落地情况

90

核心表达：项目不是“外部 AI 接入飞书”，而是将飞书消息、多维表格、工作流、Webhook、知识问答、Aily 和消息卡片串成真实业务闭环。

Implementation Roadmap

五阶段落地计划：从数据底座到比赛 Demo

1

数据底座

搭建设备台账、故障、IoT、备件、点检、任务流转、审核归档表。

2

主控数字人

完成任务分类提示词、QP-615 知识库、分发规则与输出格式。

3

专业数字人

逐个搭建Ⅱ至Ⅶ号数字人，明确输入字段、逻辑和结果。

4

自动化流程

配置异常报警、低库存提醒、点检超期、周报与审核缺失提醒。

5

比赛 Demo

准备新增设备、图片故障、IoT 报警、备件采购、报表归档演示。

Demo Storyline

现场演示脚本：用 5 分钟讲清楚完整闭环

飞书设备组群

帮我新增一台贴片机械臂设备。

Ⅱ号数字人已生成设备台账草稿，请确认型号、位置和负责人。

这台设备报警了，帮我看一下。

已识别为设备异常，调用Ⅲ号读取数据，Ⅳ号分析故障图片。

气压低于阈值，疑似管路泄漏；已推送负责人并创建故障单。

吸盘库存低于安全阈值，Ⅴ号已生成采购建议。

1

自然语言新增设备

展示台账自动生成，突出飞书入口和 AI 信息抽取。

2

上传故障图片

展示图片理解、故障现象识别和标准故障单生成。

3

模拟 IoT 异常

上位机写入多维表格，自动触发Ⅲ号数字人报警。

4

联动备件采购

根据故障结论检查库存阈值，输出采购建议。

5

生成报表与归档清单

Ⅶ号数字人汇总周报，检查 QP-612 审核缺失项。

Final Statement

一个人 + 七个数字人，重构设备管理闭环

本项目通过飞书 AI 和七个专业数字人，把设备组的台账、故障、物联网报警、备件、点检、保养、报表和审核工作串联成一个自动化闭环。

飞书原生入口、数据、流程、通知一体

AI 驱动理解、分析、决策、生成

组织创新数字人岗位化协同

真实落地多维表格 + Webhook 快速搭建

可持续优化数据越积累，闭环越精准