Агентнае прагнознае абслугоўванне на OpenVINO: адзін канвеер, пяць прамысловых сцэнарыяў

Трубопрацэсы, комунальныя аб’екты і іншы важлівыя актываў трэба постаянна пераглядаць, каб запобiec збоям, прасачанням і нешчытным адбыткам. Тэхнічная падтрымка, якая базуецца выключна на рэакцыі на проблемы чы ўзгадкай пра календарныя перыяды, значыць павтаральныя выезды фураў, пропуск сігналаў пра дыфекты на ранніх этапах, а таксама факты, якія рассеююцца пад час аўдыту. Штучны інтэлект у фармаце агентацкай сістэмы дазволяе ведаць стан актываў пастоянна і дзеяць раней, што дапамагае заўсёды заошчадзіць на выездах на месца, скорачыць час прастанку, павысіць безпеку і залішыць дакументацыю, гатовую да аўдыту.

У цім матэрыяле расказваецца пра праект Google Summer of Code 2026, які взяў за основу план прыцэпнай тэхнічнае падтрымкі Intel Metro AI Suite, створаны на базе OpenVINO, і расшырыў яго новымі варыянтамі прыменэння і набрамі дадзеных.

Разлік межы прагнозу і рашэння

Мадэль можа выдаты тыячы прагнозаў, але чалавек, які яго прымае, все рава хоча трохі адказаў: што сталася, чаму і што пераканаць далей. Атрыбут з рэйтынгам ўпевненасці гэта не дае. Практычны пайплайн павінен зберагаць доказы, якія лежачы за кожным рэзультатам, прыймаць разныя віды вхідных дадзеных і дазваляць людзям аналізаваць выходныя даны, не разумеючы коду, які за ім стоіць.

Праект быў спрамаваны самэ на гэта. Ён з’ўязаў працэс вырашэння задач мадэллю з структураваным зберагаўнем, коордынаваў агентаў ШЫ, запытанні на натуральны язык і тыкеты, апаранутыя доказамі, усё гэта внутрь адной рабочай схемы.

Як складаецца пайплайн

Процэс кантролюецца за дапамой мадэлі OpenVINO, рэзультаты якой запісваюцца у файлы JSONL і базу дадзеных SQLite. Потым рабочы процэс LangGraph коордынуе трохе агентаў: адны для выработкі політык, адны для аналізу і адны для пераказа доказаў. Потым корыстнікі можаць аналізаваць рэзультаты праз чат або падняць заявку, падкрэпленую відпаведнымі доказамі.

У працы было выкарыстоўана чатырнацца паследовных удосконаўленняў, спрамаваных на падыходчысць, зрозумеласць, расшыруемасць і шырыню прыменення. Хоця яны ўтвараюць разныя правкі, усе яны ўтвараюць частыну адной цэлайскаеі схемы працы.

Чатырнацца внескаў

Одна кантэйнерная структура для кожнага тыпу запытанняў

Раней адміністратару было неабяжна выбраць между рэжымам аналізу, падтверджэнняў і SQL пры тым, як пачаць запісваць ўсё. Гэта значыла неабяжна знаваць, як падзелены внутршні элементы сістэмы, што ёсць складныя вакаліяты для адпаведальнага працоўніка. Новая версія сама выклікае намер і автаматычна адправляе запіт да правага бэкенда, як у рэжыме командной лініі, так і ў веб-інтэрфейсе. Людзі больш не выбіраюць рэжым.

Запыты пра первісныя паказанні датчыкаў

Настроюемая схема SQLite была расшырэна, кабы можна было зберагаць неапдэтаваныя значэнні датчыкаў, рэгламенты надзяркі для кожнага тыпу датчыкаў і метаданы пра сцэнарый выкарыстоўвання. Гэта дазволяе ставіць такія запытанні: якія зразкі мелі вышэйшую надзяркі датчыкаў, чым надзяркі зображэння? Умовы, выражаныя на прыроднай мове, ператвараюцца на запытанні да базы дадзенаў, якія вяртаюць адпаведныя показнікі, атрыбуты і первыя запісы. Той жа кантэкст таксама доходзіць да агентаў, якія займаюцца правіламі і аналізам. Найважлівейша — працёзнасць, адколькі збераганыя неапдэтаваныя значэнні і метаданы з’яўляюцься асновай для прыязначэння кожнай адпаведзі да ўсходніх запісаў.

Новыя мадэлі без перабудовы

Первыя точкі входу для выканання задач мелі занадто большы тыраж працы. Іх было разьбілена на адзінаковыя часткі: настройкі, маршрутызацыя, працоўнікі для кожнага модэлю, сама стадыя выканання, запіс рэзультатаў і ўтварэнне графіка. Цяпер дыспетчар выбірае невелікі, спецыялізаваны працоўнік, тады як спяльныя компаненты адпаведаюць за атрыбуты, спаканыя для кожнага варыянта выкарыстоўвання. Для дадагаўнення новага тыпу даных цяпер трэба напісаць працоўнік і настройкі, а рэшта элементаў жыцёвага цыклу можна вярнуць у паўначынны стан.

Пяць промышляўскіх варыянтов выкарыстоўвання на адной асяроддзя выканання

У пяці варыянтах разлічаюцца вхідныя даны, целі прогнозавання і доказы, але ўсе яны выкарыстоўваюць тую ж сяроду. Пакрыты чатыры тыпа вхідных даных: табулярныя даны, зображэння, аудыя з тэкстам і растровыя даны з тэкстам.

Трубапрацесы нафты і газу. Таблічныя даны пра працу і матэрыалы падаюць у OpenVINO MLP, які адгакоўвае два пункты: стан трубапрацесу і зменшэнне товшчыны стэнкі. Серэд вхідных дадзеных — геаметрыя, матэрыял, параметры працы і даны, асоціяваны з коразыём. Кожны апрацаваны рэкорд дае клас стану і оценку зменшэння товшчыны, пры чым якія-гэтыя даны застаюцца прыяўленымі да первачных вімераванняў. Гэтыя зв’язкі дазваляюць наступным элементам работы адказваць на рэзультаты, выкарыстоўваючы рэальныя показнікі працы, а працэс включае таксама аналіз, спрамованы на выявленне коразыю.

Сонячныя панелі. Дэтэктар у стыле YOLO на базе OpenVINO шукае дэфекты на адноканальных з’явленнях святла сонячных элементаў і зафіксавае ўзрэменнікі як доказы. У адным з прыкладаў чырвоныя узрэменнікі пазначаюць рэальныя трасы на сонячнай панелі, якія дэтэктар павінен знайсці. Рэзультаты ад перацэнкі ўсіх 19,150 тэставых з’явленняў паказалі значэнне F1 у розмерзе 0.8277. Прыведзеныя узрэменнікі зберагаюцца разам з класам і ступенем паверыльнасці, тады корыстувач можа бачыць, дзе быў знайдзены дэфект.

Перадача энергіі. Налагоджаны мадэль YOLOv8s-cls сортавае з’явленнія ліній электраперадачы на тры катэгорыі схем. Ён працуе як з сінтэтычнымі, так і з рэальнымі з’явленнямі, што дапамагае пераканацца, чы розпізнавач можа справляцца з відтворэнымі візуальнымі данымі схем і фотаграфіямі з практычных пераказаў. На 348 з’явленнях, якія не былі включаны ў тэст, ён правільна распізнаў 334 прыклады, чаго даў значэнне точнасці 0.9598. І сінтэтычныя, і рэальныя з’явленнія праходзяць праз аднойчыны прадзеянне і вырахунак.

Адміністрацыя сяродавыя для працы. У гэтым прыкладзе аудыякальны фрагмент сопаруецца з пісьмовым апісам. Ооні адпрацоўваюцца окрэма, класіфікуюцца па двум галузям MLP OpenVINO, а пасля спаўнююцца за дапамогою методу пазнейшага з’еднання. У прыкладзе з абявленым об’ектам — роцяючым агрэгатам — апісам было паведамленне пра вібрацыю інструмента пад час працы. Кадр відэа дае кантэкст для чалавека-чытача, але вхіднымі данымі для мадэлі ёсць аудыя фрагмента плюс тэкст. Галузі застаюцца аддзельна перагляднымі пакуль іх рэйтынгі не будуць з’еднаны.

Адзьёванне вады. 15-канальны растэр Sentinel-2 супарабатуе з тэкстовым запросам пра абставесце, напрыклад, такім, які опісвае адзін з раёнаў Арызоны, уключаючы евапотранспірацыю, выпадзеньне вады, глыбіну падземных вад і глыбіну поверхневых вад. Статыстычныя характэрыстыкі растэра і характэрыстыкі TF-IDF з тэксту праходзяць праз аднальныя ветві OpenVINO прычымо да пазнейшага з’еднання, што дазволяе захаваць рэвальярантнасць кожной ветві. Ствараецца прадзірка у фармаце JPEG, каб люды маглі пазірэць на прыклад, але сама мадэль выкарыстоўвае первісны багатоканальны масів NumPy. Прадзірку таксама можна прыклаціць да заявкі, чым ствараюцца візуальныя доказы багатамодальнай праўдзівы.

Работа на апаратным забезпечэнні Intel

Кожна мадэль була рэалізована у фарматы OpenVINO IR, а конфігуруваній вхідній пункт апрацоўвае зображэння, таблічні векторы датчыків, аудыё-характэрыстыкі і парні багатомодальні даныя. Код було перэвірэно на працэсоры Intel GPU, а апрацоўка даных праз гэты канал таксама підтверджэна на працэсоры Intel NPU, включаючы створэння віхідніх файлів у фарматах JSONL і SQLite.

Тэстування понад дакладнасць

Перэвірка охоплювала не лішэ дакладнасць мадэляў. Кожэн етап робочого працэсу було протэстовано ад завантажэння мадэляў до структурованого фарматування віхідніх даных праз відповідні інтэрфейсі і агенты на обладнанні Intel. Перэвіркі включалі аналіз меж між компонентамі і рэзультатыв працы окрэміх мадэляў.

Што показуюць дэмонстраціі

Два відображэння паказваюць, як працуе сістэма. Першыя — гэта оркестрацыя на бакэндзе. Яна пачынаецца з рэзультатаў інферэнса ў спяльным шарэ дадзенаў. Агент з правіламі фільтруе іх па настроеным правілу, а агент з аналізам выкладзе ў кантэксце ўсё, што яны значаць з тэхнічной точкі зору. Пасля чаго агент з доказамі групавае кожны рэзультат разам з яго вучальнымі дадзеннямі і метададзенням у задокументаваны запіс. Разам яны ператвараюць выход дадзеных модэля ў структураваны аналіз і доказы, гатовыя да перагляду.

Другі варыант — гэта аб’еднаны чат. Корыстувачы пераглядаюць падсумкі аналізу, аналізуюць доказы і фільтруюць рэзультаты, а таксама запытаюць структураваныя даны пра тэхнічны адраджэння. Пасля дакладнага аналізу яны можуць стварыць заявку на адраджэння для дальшага выканання. Гэта паказвае весь пат трохі ад дакладнага аналізу рэзультатаў да стварэння заявкі.

Урокі з дызайну

Центральной проблемай працэўкі над дызайнам была парадаксальная супераслаганне можлівасці пераўтварання дадзеных і спецыфічнай для кожнага фармата поведэнцыі. Усе пяць варыянтав адналічаюць компаненты налаштавання, выканання, зберагчыцтва і агента, тады як невялікія працоўнікі забезпечваюць прадзеяктуванне і паслядзеяктуванне, неабходныя для кожнага тыпу дадзеных. Усуненне дуплікацыі адбываецца без прымусовага праходжання абсалютна разных вхідных дадзеных чэрз ідэнтычную логіку.

Рэзультаты таксама не падтрымліваюць зберагчыцтва толькі простага пазначэння. Калі разлічныя значэнні датчыкаў, рамкі, паказнікі доверлівасці для кожнай галузі, метададзеныя і прадварныя версіі дадзеных перавозяцца разам з прыказаннем, кожны рэзультат застаецца на звязку з доказамі, якія можна пераглядзець як людзьмі, так і агентамі.

У мультымадальных варыянтавах пазнейшая фузія дазволяе аддзельна адсочваць аудыя, тэкст і растровыя даны. Ныяшнее равнараднае прызначэння вагі ёсць простым і відтворным, хоць вагі, выучаныя або дынамічна налаштаваныя, моглі б лепшая адбіваць ступень надзеялівасці кожнага фармата.

Слой агентаў не заменяе прогназістычныя мадэлі. Ён арганізуе зберагучыяся рэзультаты, запошчае падтрымлюючыя доказы і направляе запіт да правільнага аналізу чы працы з базай дадзеных. Перакананне паводлівае адзначэнным наборам дадзеных і апаратнасцю Intel, а ў рэальных развертаннях все рава будзе патрэбна тэставанне, монітарынг і калібраванне спецыфічнае для конкрэтнага месца.

З пратыпу да плана

Тое, што спачатку было пайплайном, створаным для аднаго кейса вікорыстоўвання, стало больш модульным, багатамодальным і орыентаваным на корыстніка. OpenVINO забезпечвае спяшчаны слой, а структураваная зберохватка плюс скоордынаваныя агенты ператвараюць выход мадэлі ў інфармацыю, якую чалавек можа аналізаваць і на ўсё гэта рэагаваць. Той самы патракт, ад промышловых дадзеных праз спрацоўванне мадэлі і доказы да аналізу на языке нейтральных выразоў і стварэння заява, цяпер павтараецца ў калькі разоў у розных сферах тэхнічнага адтрымання.