□ 全媒体记者 胡艳敏 通讯员 周芷如
　　“嘀——— 嘀——— ”上午10时，山东港口日照港东区智能运维中心中控室内，流动设备智慧运维平台发出告警信息，提示装载机#50变速箱温度曲线有异常上升趋势。
　　几乎同时，平台推送的诊断报告同步推送至维修员。凭借这份“导航”，维修员快速锁定故障根源，拆卸并更换堵塞阀芯，避免设备损坏。
　　“微平台”蕴藏“大智慧”。该平台由日照港技术创新中心人工智能团队历时一年多打造而成，在国产开源大模型DeepSeek R1&Qwen3的基础上，集成智能诊断、预测性维护和远程监控等功能，实现设备管理从“经验主导”向“数据驱动”转型，助力维保效率提升60%，维保成本降低40%以上。

无“米”造仓！蹚出一条新的路
　　流动设备是港口生产运营的核心要素之一，直接关系到作业效率与安全生产。然而，由于其数量大且分布范围广，传统的人工巡检和维保模式难以实现全面覆盖。
　　“要是能教会设备‘自己喊疼’，那得提高多少效率！”说干就干，技术创新中心人工智能团队决心为流动设备打造专属“智慧大脑”，实现全生命周期管理，助力港口生产提质增效。
　　“横亘在我们面前的第一座大山，就是没‘米’。”回忆起当时的处境，团队成员房鲁韬语气里夹杂着一丝无奈。
　　平台的搭建离不开海量数据支持，但设备实时检测数据被国外设备厂家层层封锁，故障数据集难以形成规模化、系统化的资源库。
　　面对技术封锁和资源匮乏的双重挑战，团队成员没有退缩，而是选择迎难而上：“两条腿必须同时迈开！”
　　那段时间，团队成员吃在现场、住在实验室，创新研发边缘数据采集终端，打破国外设备厂家的数据壁垒，解决数据“卡脖子”的难题。
　　同时，清晰梳理出600余个维修小类的设备参数，深度融合日照港过去10年设备运行数据，整合流动设备全生命周期运行数据，构建包含上百类参数、超40万条记录的海量标准化数据库。开展超千种故障特征匹配工作，开发600余种特异算法，搭建起专业预测算法库，形成7级港机维修知识图谱，能够精准预测关键部件的剩余寿命。

模型迷路？“土办法”解决“大难题”
　　有了数据“米”，算法“锅”却屡次碰壁。“我们最初尝试了多种算法大模型，但效果都像雾里看花，导入数据后，故障预测范围过于宽泛。”房鲁韬解释道。
　　DeepSeek的横空出世，为项目带来转机。要将这样一个强大的通用模型，“驯化”为能精准诊断港口流动设备的“专科医生”，其难度远超想象，算法适配、模型精调、本地化训练……一系列复杂过程摆在面前。
　　面对挑战，团队成员没有停下探索的脚步。他们摸索出一套因地制宜的“土方法”——— 创新搭建“双模型竞技场”，将自主研发的特征提取、故障分类、时域分析三大核心算法，与大模型同步解析数据，相互验证纠偏，确保准确生成紧扣作业实际的动态维保方案。

不仅会“喊疼”，更要“把脉治本”
　　今年2月，日照港流动设备智慧运维平台正式上线投用。
　　决策更科学。平台能精准预测关键部件剩余寿命，提前3—6个月制定预测性维护计划，维保模式从“计划性维修”转变为“预测性精准维护”。
　　响应更迅捷。平均故障排查时间从过去的按天计算，压缩至如今秒级内即可生成精准的“维保方案”，维修员只需手持精准“导航图”，便可直击“病灶”，效率大幅提升。
　　经验得传承。平台内置丰富的故障案例库，将维修经验转化为数据语言，为年轻的维修员提供科学的故障处置参考。同时，维修过程中的数据被实时记录，形成新的经验积累，不断反哺平台算法优化，实现经验传承与创新发展的良性循环。
　　目前，日照港正以科技创新为引领，大力培育和发展新质生产力，建设高质量数据集，让港口人工智能更“聪明”，加快推动高质量发展。