交通运检大模型，赋能工务病害运检
-
交通
-
工业大模型
-
100%
工单内容数字化率 -
20倍
病害治理方案生成效率提升
案例成效
中关村科金携手某中央交通运输企业打造工业运检全套解决方案，实现铁道智能运维。对通用大模型进行领域化训练，使大模型对相关术语、文献有很好的理解、推理和生成能力。根据用户需求，完成非结构化数据智能抽取、铁路设备病害整治方案智能生成，最终实现病害治理方案生成效率提升20倍。
客户介绍
该中央交通运输企业（以下简称“该交通运输企业”）开发了重载交通运输智能 运维系统，受限于系统 AI 能力应用与智能化程度，在业务使用过程中，需要投 入大量的人工对交通运输运维非结构数据做数据抽取，以及人工编写交通病害整 治方案，影响用户体验。
客户痛点
-
交通运输运维依赖专家经验交通运输设备出现病害时，生成病害整治方案依赖 专家经验，甚至需要求助于专业研究院所，企业专家经验难以沉淀。
-
交通运输病害处理时效差
交通运输设备病害治理方案不能及时生成，对病害处 理的时效性变差，容易造成事故隐患。
-
大量非结构化数据需要处理
人工录入运维信息为非结构化数据，系统存储需要转化为结构化数据，传统技术实现高质量非结构化要素抽取难度大。
解决方案
中关村科金凭借领先的领域大模型技术，为该交通运输企业提供交通运输工务施工信息语义提取，及交通运输设备维修方案智能生成技术服务，助力该交通运输企业自研的交通运输智能运维系统智能化升级。
项目基于重载交通运输运维领域大模型训练与能力构建，对交通施工管理系统中 的多源异构数据进行深度语义分析和关键要素智能抽取，同时结合 RAG 和 Agent 技术方案，实现重载交通运输设备病害维修方案自动生成，提升重载交通运输的运维效率，降低交通运输智能运维系统的使用成本。
-
交通运输设备病害整治方案自动生成
利用大模型技术，整合交通运输设备常见病害及其处理方案、历史维修案例和相 关学术资料，训练模型以具备专业知识理解和推理能力。通过 RAG 技术，结合用户上传的专业文档，实现通过病害情况提问，快速生成标准化的初步处理方案。同时，由于技术与工艺的持续发展，模型将通过交互训练和人类反馈，不断更新和优化报告内容，以适应最新的病害处理需求。
-
交通运输运维信息非结构化数据要素抽取
利用交通运输工务信息的语义分析、数据抽取，分析数据包含施工信息月计划、日计划、作业记录、设备的病害信息。 信息通过接口给大模型传输员工录入的信息，大模型通过 Prompt 训练的实体识别、阅读理解、关系抽取能力，将其中的关键信息按结构化的数据输出，并通过接口返回给系统，方便系统存储及后续利用。
-
案例成效
-
客户介绍
-
客户痛点
-
解决方案
