IndustryAssetEQA：面向工业资产维护的神经符号运维智能与具身问答系统 IndustryAssetEQA: A Neurosymbolic Operational Intelligence System for Embodied Question Answering in Industrial Asset Maintenance

系统分六步流水线运行。第一步Fact Extraction：对每个failure时间 $t_f$ 在机器 $m$ 上构造历史窗 $[t_f-\Delta, t_f]$（默认24小时），对每个数值传感器信号 $s$ 计算描述子 $\mathcal{F}_s = \{\mu_s, \sigma_s, \min_s, \max_s, \text{trend}_s\}$（trend是最小二乘斜率），再叠加error event计数、distinct error types数、各component的hours_since_last_maintenance和机器静态属性；healthy episodes则在无故障前瞻窗口 $[t, t+H]$ 内采中心时间 $t$，最后每条episode打成带完整provenance（source files, row index, telemetry_time_range）的JSONL记录。第二步Episodic Store：SQLite两层schema——facts表保留完整JSON，features表把feature vector拆成(feature_name, feature_value)原子行以便支持形如 $\{f_i \mid x_{i,j} \triangleleft\triangleright \tau\}$ 的阈值检索，API提供get_fact / get_features / query_by_asset / query_by_label / search_by_feature_threshold。第三步FMEA-KG：用EMPWR平台把ISO-style失效模式规范转成RDF图，覆盖9类资产（drilling、marine、electrical、mechanical、rotating machinery、safety&control、subsea、well completion、well intervention），每个failure mode挂载associated_sensors、typical_indicators、recommended_actions、severity，用rdflib做查询。第四步Risk Modeling & Causal Simulator：训练一个多项Logistic回归得到 $P(y\mid x)$，在推理时把干预编码成特征替换 $x\to x^{do}$，计算 $r_{before} = 1 - P(y=\text{healthy}\mid x)$、$r_{after} = 1 - P(y=\text{healthy}\mid x^{do})$、$\Delta r = r_{after} - r_{before}$，并返回一个confidence heuristic $c = 0.5 + 0.5\cdot\min(1, |r_{before}-0.5|/0.5)$（baseline越偏离0.5置信度越高）。第五步EQA Builder + Prompt Builder：把fact和question确定性组合成prompt——evidence block显式列出fact_id、asset、source_file、row_index、episode window、关键diagnostic features、FMEA上下文，task-specific instruction映射到五类QA各自的输出模板（counterfactual和action任务额外要求risk_before/risk_after/direction三个数值字段），要求LLM严格返回 $\{\text{direct\_answer}, \text{reasoning\_answer}, \text{provenance}, \text{confidence}\}$ 四键JSON。第六步Verifier & Safety Gate：Verifier逐项核对LLM输出——结构合法（Struct.OK）、溯源fact_id和feature name在Episodic Store中存在（Prov.OK）、诊断标签经KG synonym归一化后与SME reference一致（Label Cons.），反事实direction从数值字段提取，action任务走阈值判断；Safety Gate根据confidence阈值和检查结果决定放行、记录incident或转人工review。

技术新颖性体现在四个跨层设计选择。第一，'episode as first-class object'——所有回答都必须能追到一条带时间窗的fact，这比传统文档chunk-based RAG更细粒度且可审计。第二，'FMEA-KG as semantic firewall'——KG不仅作为上下文，更作为标签归一化字典和provenance校验字典，Label Cons. metric就是用KG的synonym/hierarchy做的归一化，这把LLM的自由生成压回'领域承认的概念空间'。第三，'parametric do-operator'——用最朴素的多项Logistic回归实现 $P(y\mid x^{do})$，反而绕开了大模型在counterfactual上的不可控性，作者明确说这是surrogate不是structural causal model，但承认identifiability有限。第四，'provenance-enforced structured output'——Verifier是确定性的，不依赖第二个LLM judge，所以可以部署在on-prem环境、可重复、能进审计日志。这四点合起来让整个系统从'语言模型外接一些工业文档'升级成'工业决策支持栈'，是本文相对Time-MQA、FailureSensorIQ、IndustryEQA等工作的明确差异化。

独立分析可以识别四个具体弱点及对应改进方向。第一，反事实surrogate过度依赖i.i.d.假设——多项Logistic回归把 $P(y\mid x)$ 当成interventional distribution直接用，忽略了资产状态的时序依赖性（同一个machine 24小时前的 $x$ 和今天的 $x$ 在failure mode分布上不是独立的）；改进方向是换成时序风险模型（如LSTM-based剩余寿命预测 + do-calculus），或至少引入autoregressive features。第二，Verifier目前只做结构性核对，不检查semantic entailment以外的'概念漂移'——例如LLM可能写出'vibration_mean was significantly above healthy baseline'这种描述，虽然NLI判定为entail，但healthy baseline的具体数值在Episode中并不存在，只是KG里的generic描述；改进方向是在Verifier里加数值断言提取（如'vibration_mean > 60'）并用SQLite阈值检索验证。第三，Episodic Store只支持形如 $\{f_i \mid x_{i,j} \triangleleft\triangleright \tau\}$ 的feature threshold查询，对跨episode的时序pattern（如consecutive异常上升）不友好；改进方向是增加pattern query operator（如streak, monotonicity, change-point）。第四，action-oriented QA的p值高达0.93说明LLM-only和full system在这个任务上几乎拉不开差距，但作者没给出具体错误案例分析，可能是因为action recommendation本质上是policy问题而非retrieval问题，单靠risk model + KG context不够，需要引入cost-sensitive decision logic（如expected downtime cost vs maintenance cost的trade-off）。

作者明确提出的方向有三：（1）controlled pilot部署到SAP Joule Agents等enterprise agents，测量latency、operator agreement、escalation behavior、unsupported claims reduction；（2）多资产production deployment的扩展集成；（3）empirically calibrate反事实估计。基于本文成果还可以延伸几个方向：第一，把FMEA-KG从domain-level升级到asset-specific variant learning，用在线更新的failure log做KG completion；第二，把verifier扩展到symbolic reasoning层（如基于KG的SPARQL query验证claim），目前只校验feature existence；第三，把五类QA任务扩展为闭环action-execution——safety gate批准后自动触发CMMS工单，回流执行结果作为reward signal fine-tune risk simulator；第四，时间窗口从固定24h升级为attention-based或change-point detected自适应窗，结合Merrill et al. 2024指出的LLM zero-shot time series reasoning弱项，把时序编码显式交给neural encoder；第五，探索跨资产迁移——目前KG是domain-level但episode是asset-specific，能否通过meta-learning让risk simulator在新asset上few-shot适应。

复现性总体良好。代码、数据集、FMEA-KG全部开源在 https://github.com/IBM/AssetOpsBench/tree/IndustryAssetEQA/IndustryAssetEQA 。四个数据集都是公开benchmark：Microsoft Azure PdM（Kaggle）、NASA C-MAPSS（NASA Open Data Portal）、Genesis CPS（von Birgelen & Niggemann 2018）、Hydraulic Systems（Schneider et al. 2018 / Helwig et al. 2015）。复现路径清晰：附录B给出Fact Extractor CLI（带具体window-hours=24、horizon-hours=24、max-healthy-per-machine=50），附录C给出Episodic Store ingest命令，附录D给出Risk Simulator的confidence heuristic公式 $c = 0.5 + 0.5\cdot\min(1, |r_{before}-0.5|/0.5)$，附录F给出Prompt Builder CLI和完整prompt模板，附录H给出Verifier的check清单。算力需求：Fact Extraction + Logistic Regression + SQLite + 黑盒LLM API，整体非常轻量，单GPU都不需要，普通CPU服务器即可跑通；LLM部分用GPT-4o-mini或Claude Sonnet 4的API即可。复现难度：中低——主要是工程集成工作量大（5个组件各自有独立CLI），但每个组件都比较标准，没有需要重新训练的neural组件。潜在难点：（i）FMEA-KG用EMPWR平台构建，需要理解其ontology设计（详见Yip & Sheth 2024）；（ii）SME-validated reference labels需要工业领域专家参与；（iii）GPT-4o-mini和Claude Sonnet 4的API行为可能随模型版本变化，建议固定snapshot。