**运维应用智能体

，供货期*日历天。

*.满足《中华人民共和国政府采购法》第二十二条规定；

*.具有本项目供货能力的供应商；

*.本项目不接受联合体投标。

*.**

*

**运维应用智能体

一、具体内容

（一）大模型应用:包括需要的数据整理、大模型的应用、大模型与 ***调用、提示词工程。

（二）***:包括***的经典应用场景、向量数据库、检索与生成。

（三）插件:独立微服务调用，随用随启，拖拽即用，解决 *** 无实时数据、不会精确计算等短板。

（四）工作流:将业务场景固化成模板，只需“一键生成”，系统就按真实业务节奏跑完闭环，数据表实时呈现。

二、具体智能体

（一）*** *****

以“动态分类+精准适配库存策略”为目标，整合大模型、***、插件技术，实现物料分类自动化与优化。

*.核心维度定义与量化标准

物料使用热度：反映 “存取频次与需求紧急度”

以月度领用数据为核心依据，结合库存周转率，划分*个热度等级，数据来源为***系统领用记录与***需求单：

物料尺寸：反映“库位占用与存取难度”

按实际物理体积（长×宽×高）划分*个尺寸等级，数据来源为物料基础档案。

*.***分类规则设计：三维度矩阵式划分

基于“热度优先、关联性分析、尺寸辅助”原则，构建*种组合场景，对应***三类，核心目标是“高热度物料优先保障存取效率，小尺寸物料优化空间利用率”。

*.分类实现的技术支撑体系

（*）数据采集与预处理：确保维度数据准确

人工录入特殊物料及物料月使用热度，尺寸。

（*）分类计算与决策：大模型+插件协同

自动分类计算

计算插件：“*** 分类计算插件” 按预设规则自动匹配等级，例如：

某螺丝月度领用**次（高热度*）、体积 *.***³（小尺寸 *）→ 判定为*类；

某备用电机月度领用*次（低热度 *）、体积 *.**³（大尺寸 *）→ 判定为 * 类；

（二）预测运维*****

以提前预警，降本增效为目标，多种算法结合的设备预测性运维*****.

*.数据采集与预处理

数据接入：通过标准化插件对接不同设备（如***、）运行数据、维修数据、环境数据等。

*.设备健康状态评估

健康状态评估模型

基于时序特征工程（提取均值、方差、峰值因子等** + 特征），构建设备 “健康度评分体系”（***** 分）：

******分：健康（正常运行，无需维护）；

*****分：亚健康（关注趋势，计划巡检）；

*****分：异常（需重点监控，准备备件）；

＜**分：故障风险高（立即制定维护计划）。

算法选型：采用***降维 + 随机森林构建健康度评估模型，模型准确率≥**%。

*.故障预测模型

短期预测（***天）：针对高频波动参数（如振动、温度），采用**** 时序模型预测参数变化趋势，当预测值超出阈值时触发预警；

*.***故障诊断知识库

存储历史故障案例（含故障现象、数据特征、处理方案、效果反馈），采用******* 向量数据库存储案例向量。

故障发生时，自动检索 “数据特征相似 + 设备型号匹配” 的案例，结合大模型（如 ***********/****）生成适配维护方案，诊断效率提升 **%。

*套

企业需进行针对性的培训，达到熟练使用，并满足山东省职业院校技能大赛备赛要求及日后教学使用要求。

合计

人民币（大写）： 小写：