项目介绍
面向LNG液化工厂建设的智慧运营平台，围绕设备、人员、工单、物资及现场数据，打通设备维保、移动作业、工业物联和智慧磅房等业务，推动厂站运营流程线上化、现场作业标准化和设备管理智能化。
个人职责
项目由本人独立设计和开发，从0到1负责业务调研、产品规划、交互设计、领域建模、系统架构、全栈研发、权限治理、接口集成、自动化测试及部署运维。
- 独立梳理设备维保、物资库存、工业物联和现场作业流程，完成产品方案及模块设计。
- 独立完成Odoo业务模块、PC及移动端界面、FastAPI接口、Agent和MCP工具开发。
- 设计设备经理、维修工、库管等岗位模型，实现工单、领退料、库存及成本数据的精细化权限控制。
- 完成集团物联平台、本地地磅软件与采购、销售、库存等业务系统集成。
- 建立Docker/Linux运行环境，完成测试、部署、数据库维护、版本升级及问题排查。
设备维保
围绕设备全生命周期建立维保管理闭环，覆盖厂站及设备台账、设备类型与动态参数、分层保养策略、周期及运行时长计划、工单生成、任务派发、现场执行、停机记录、领退料、验收评价和成本分析。
维修人员可以通过移动端接单，采集现场照片、语音和作业记录，提交领退料及验收申请；设备经理和库管按照岗位权限完成派工、物资出入库及最终验收。
设备维保工作台
维保Agent
构建面向厂站设备维护场景的维保Agent，通过RAG连接设备手册、操作规范和历史资料，通过MCP受控访问设备、工单、停机、领料及库存数据。
Agent可以根据设备与工单上下文生成开工建议，整理现场语音、图片和作业记录，完成设备健康复盘、备件建议及后续处置分析；涉及创建工单、领料或停机记录的操作，需要经过人工确认后执行。
AI 助手
工业物联与温度预测
平台对接集团物联系统，统一设备点位、实时值和历史时序查询，支撑运营看板与设备分析。干燥塔温度预测是其中一个应用场景。
干燥塔为什么需要提前预测温度
工厂希望了解 A、B、C 三座干燥塔未来几分钟的温度走势，给操作人员留出调温、检查工况的时间，并为异常温度预警提供依据。
基于 2025 年 4—7 月的 103,956 条一分钟级记录，以温度、压力、再生气流量和阀门状态等 32 个特征训练 LSTM 与多头注意力模型。读取过去 120 分钟的数据，预测未来 1—5 分钟的六路关键温度，同时评估 10、15 分钟预测窗口。
5 分钟模型的完整测试集平均 R² 为 0.959，平均绝对误差（MAE）为 3.685℃。 交互曲线展示真实历史测试输出，可切换测点与预测步长查看趋势和误差，为提前调温与预警判断提供参考。
智慧磅房
建设采购入厂和销售出厂过磅流程，支持车牌确认、首磅、二磅、随车磅单、照片取证、磅差计算及多车分批过磅。
通过FastAPI为本地地磅软件提供标准接口，将过磅结果与采购、销售及库存单据联动，形成从现场称重到库存收发的业务闭环。
技术架构
以Odoo 19作为业务平台，使用Python、PostgreSQL和FastAPI构建业务及接口服务，结合OWL/JavaScript、RAG、MCP、Docker和Linux，形成覆盖PC端、移动现场、工业物联、本地地磅软件及Agent应用的模块化架构。
项目成果
- 独立完成从产品设计、系统架构、全栈开发到测试部署的端到端建设。
- 建立设备台账、维保策略、工单执行、领退料、停机及验收一体化闭环。
- 实现设备经理、维修工和库管之间的线上协作与精细化权限控制。
- 将设备知识、历史维保数据和现场作业资料接入维保Agent。
- 完成物联实时与历史数据的统一接入及可视化。
- 打通智慧磅房与采购、销售、库存业务。
- 独立沉淀30个自研业务及集成模块，形成可持续扩展的工业运营技术底座。