主板维修是一个需要技艺传承和经验积累的领域。最近，凌云光采用知识图谱与大模型等AI技术，成功将老师傅的宝贵经验沉淀下来，让入职三个月的员工也能拥有等同于五年经验的维修能力。

海量数据 经验断层

　　主板作为电子产品的“心脏”，其可靠性和稳定性直接关系到设备性能和寿命。在制造过程中，常常会有失效或不良主板，需要经验丰富的FA(故障分析)工程师进行失效分析和维修。然而，个体差异和主观性导致维修结果不准确，维修效果不稳定。

　　检修一块存在未知问题的主板是一项相当复杂的任务，新入门者只能依赖ESOP(标准操作规程)逐步解析，可能需要花上千个步骤。而经验丰富的老师傅可以凭经验和技巧迅速而准确地找到解决方法。

　　“就跟解魔方一样，初学者需要逐步解法解开，而魔方大师则可以通过技巧采取更快速的方式。比如当某些检测参数在特定范围时就可以跳过后续的一些步骤，甚至可以通过凭目测就能判断先检测哪些部分。”凌云光研发负责人表示。

　　此外，每次新产品更新迭代，制造企业需要大量的人力物力进行新主板型号ESOP的编写工作。这项工作通常是人工进行的，其效率低下，容易出现遗漏或不准确的情况。同时，ESOP在实际应用中需要不断优化和调整，这一过程复杂且耗时。

　　“例如，在主板生产完成后，操作人员会将其放入检测机台进行检测，会产生大量的测试Item，数量一般在几十万级别。检测机台会储存主板检测时候测试 Log，如果将这些测试Log进行人工比对并完成对测试数据的分析，将会耗费巨大的人力与时间成本。”凌云光研发负责人补充道。

　　无论是新产品ESOP的编写，还是维修过程中的检测和操作，都高度依赖FA工程师的经验，而人员的频繁流动也导致专家经验和Know-How难以积累和传承。新员工往往需要从头摸索积累经验。

　　现在，他们终于留住了一位经验丰富的“老师傅”。

千万图谱 知识智能

　　主板维修属于知识密集型业务，涉及多个专业技术领域的知识，凌云光AI解决方案通过构建庞大的知识图谱，融合主板维修显性和隐性知识，结合强化了专业领域知识的智谱GLM大模型，提供了一套全新的主板维修解决方案，革新了传统的作业模式。

　　主板维修相关的显性知识包括主板型号、技术文件和流程指南等历史数据，隐性知识包括历史维修记录和碎片化的笔记中维修工程师总结的经验和规律、典型案例和师徒间的经验传授，甚至是难以用文字描述的直觉感受。例如目测一下主板和元件的形态，大概先检测哪些部分就能够大概率的定位到问题。

　　“这些隐性知识都需要深入的调研和分析，挖掘以往每一片主板的详细维修过程日志和数据将要点提炼出来。我们花了将近半年的时间，基于历年来多种主板型号，构建了包括元件、检测结果、检测步骤等上百种概念，数十万个实体，及包括Pass、Fail、包含、连接、判断等关系类型的数十万条相关关系，数百万条属性值的知识图谱，并收集了上千万条数据及历史维修记录。通过构建主板维修知识图谱，将显性知识和隐性知识转换为结构化的知识实体和关联关系，综合应用大模型、智能辅助工具等技术，最终实现知识的长期积累和传承。”凌云光研发负责人表示。

AI决策 一步到位

　　维修步骤优化，主板维修加速：

　　基于知识图谱推理与ESOP流程优化等算法，结合知识图谱与大模型的协同增强，赋予了维修AI专业知识推理的能力。通过输入待维修主板的问题描述，让系统了解主板的可能故障所在，结合实时交互和流程优化，针对性地给出每一步的检测步骤指导，从而提供快速而精准的故障诊断解决方案。实际应用中，维修人员能够跳过无关步骤，更快速、准确地找到故障原因，并采取有效措施进行修复。UPPH(单位时间产出)提升了37.4%，维修效率得到了显著提高。

　　维修ESOP文件自动生成，速度提升50%：

　　智能化的ESOP自动生成工具能够根据输入的新主板信息，自动根据历史主板型号的技术文件和维修历史，智能生成新的ESOP。随着维修任务的不断进行，ESOP还会动态优化，根据实时维修数据自适应调整，确保ESOP的准确性和实用性。ESOP生成的速度提升了50%，节省了大量的人力和时间成本。

　　持续经验沉淀，构建长效知识体系：

　　随着维修任务的不断进行，知识库持续丰富和演进，可将失效分析、维修经验等关键知识进行持续性沉淀，实现对图谱与模型的不断迭代，构建长效的知识体系和应用框架。在大模型技术以及人工智能技术的发展下，这位“老师傅”还会不断的学习进步，助力主板维修研究者和从业者更加高效、便捷、准确的工作。

　　目前在工业领域，基于大模型的垂直应用仍处于探索阶段。凌云光将积极与工业领域的客户在其他场景中进行合作探索，解决行业难题，为工业领域提供更加智能、高效的解决方案，助力行业创新发展。