主板維修是一個需要技藝傳承和經驗積累的領域。最近，凌云光采用知識圖譜與大模型等AI技術，成功將老師傅的寶貴經驗沉淀下來，讓入職三個月的員工也能擁有等同于五年經驗的維修能力。

海量數據 經驗斷層

主板作為電子產品的“心臟”，其可靠性和穩定性直接關系到設備性能和壽命。在制造過程中，常常會有失效或不良主板，需要經驗豐富的FA（故障分析）工程師進行失效分析和維修。然而，個體差異和主觀性導致維修結果不準確，維修效果不穩定。

檢修一塊存在未知問題的主板是一項相當復雜的任務，新入門者只能依賴ESOP（標準操作規程）逐步解析，可能需要花上千個步驟。而經驗豐富的老師傅可以憑經驗和技巧迅速而準確地找到解決方法。

“就跟解魔方一樣，初學者需要逐步解法解開，而魔方大師則可以通過技巧采取更快速的方式。比如當某些檢測參數在特定范圍時就可以跳過后續的一些步驟，甚至可以通過憑目測就能判斷先檢測哪些部分。”凌云光研發負責人表示。

此外，每次新產品更新迭代，制造企業需要大量的人力物力進行新主板型號ESOP的編寫工作。這項工作通常是人工進行的，其效率低下，容易出現遺漏或不準確的情況。同時，ESOP在實際應用中需要不斷優化和調整，這一過程復雜且耗時。

“例如，在主板生產完成后， 操作人員會將其放入檢測機臺進行檢測，會產生大量的測試Item，數量一般在幾十萬級別。檢測機臺會儲存主板檢測時候測試 Log，如果將這些測試Log進行人工比對并完成對測試數據的分析，將會耗費巨大的人力與時間成本。”凌云光研發負責人補充道。

無論是新產品ESOP的編寫，還是維修過程中的檢測和操作，都高度依賴FA工程師的經驗，而人員的頻繁流動也導致專家經驗和Know-How難以積累和傳承。新員工往往需要從頭摸索積累經驗。

現在，他們終于留住了一位經驗豐富的“老師傅”。

千萬圖譜 知識智能

主板維修屬于知識密集型業務，涉及多個專業技術領域的知識，凌云光AI解決方案通過構建龐大的知識圖譜，融合主板維修顯性和隱性知識，結合強化了專業領域知識的智譜GLM大模型，提供了一套全新的主板維修解決方案，革新了傳統的作業模式。

主板維修相關的顯性知識包括主板型號、技術文件和流程指南等歷史數據，隱性知識包括歷史維修記錄和碎片化的筆記中維修工程師總結的經驗和規律、典型案例和師徒間的經驗傳授，甚至是難以用文字描述的直覺感受。例如目測一下主板和元件的形態，大概先檢測哪些部分就能夠大概率的定位到問題。

“這些隱性知識都需要深入的調研和分析，挖掘以往每一片主板的詳細維修過程日志和數據將要點提煉出來。我們花了將近半年的時間，基于歷年來多種主板型號，構建了包括元件、檢測結果、檢測步驟等上百種概念，數十萬個實體，及包括Pass、Fail、包含、連接、判斷等關系類型的數十萬條相關關系，數百萬條屬性值的知識圖譜，并收集了上千萬條數據及歷史維修記錄。通過構建主板維修知識圖譜，將顯性知識和隱性知識轉換為結構化的知識實體和關聯關系，綜合應用大模型、智能輔助工具等技術，最終實現知識的長期積累和傳承。”凌云光研發負責人表示。

AI決策 一步到位

維修步驟優化，主板維修加速：

基于知識圖譜推理與ESOP流程優化等算法，結合知識圖譜與大模型的協同增強，賦予了維修AI專業知識推理的能力。通過輸入待維修主板的問題描述，讓系統了解主板的可能故障所在，結合實時交互和流程優化，針對性地給出每一步的檢測步驟指導，從而提供快速而精準的故障診斷解決方案。實際應用中，維修人員能夠跳過無關步驟，更快速、準確地找到故障原因，并采取有效措施進行修復。UPPH（單位時間產出）提升了37.4%，維修效率得到了顯著提高。

維修ESOP文件自動生成，速度提升50%：

智能化的ESOP自動生成工具能夠根據輸入的新主板信息，自動根據歷史主板型號的技術文件和維修歷史，智能生成新的ESOP。隨著維修任務的不斷進行，ESOP還會動態優化，根據實時維修數據自適應調整，確保ESOP的準確性和實用性。ESOP生成的速度提升了50%，節省了大量的人力和時間成本。

持續經驗沉淀，構建長效知識體系：

隨著維修任務的不斷進行，知識庫持續豐富和演進，可將失效分析、維修經驗等關鍵知識進行持續性沉淀，實現對圖譜與模型的不斷迭代，構建長效的知識體系和應用框架。在大模型技術以及人工智能技術的發展下，這位“老師傅”還會不斷的學習進步，助力主板維修研究者和從業者更加高效、便捷、準確的工作。

目前在工業領域，基于大模型的垂直應用仍處于探索階段。凌云光將積極與工業領域的客戶在其他場景中進行合作探索，解決行業難題，為工業領域提供更加智能、高效的解決方案，助力行業創新發展。