از چت بات تا متخصص صنعتی: ساخت دستیار هوشمند با آمازون بستر

Summarize this content to 400 words in Persian Lang

انقلاب خاموش در صنعت 🏭

من اخیراً با یکی از همکارانم در مورد تجزیه و تحلیل پیش بینی کننده در تجهیزات صنعتی گفتگو کردم. تجربه قبلی آن‌ها با چت‌بات‌ها و هوش مصنوعی مولد (هوش مصنوعی مولد) رضایت‌بخش نبود – متأسفم، سؤال شما را متوجه نشدم» رایج‌ترین پاسخ بود. این گفتگو به من انگیزه داد تا بررسی کنم که آیا چشم انداز در دسامبر 2024 تغییر کرده است یا خیر، با ترکیب Amazon Bedrock Agents با API های صنعتی برای ایجاد یک راه حل واقعا مفید.

اولین تجربه من از تعامل با این نوع صنعت چشم باز بود. همکار من توضیح می‌داد که چگونه حسگرهای متعددی دارند که داده‌ها را 24/7 تولید می‌کنند، داشبوردهای متعدد، اما هنوز برای تفسیر همه چیز به تخصص انسانی تکیه می‌کنند.

بیایید این تعامل را با دستیار صنعتی خود تجزیه و تحلیل کنیم تا تضاد را درک کنیم:

Operador: “¿Hay alguna novedad en los dispositivos de la planta?”

Asistente: “Sí, hay novedades importantes que requieren atención:

🔴 Situaciones Críticas:
– Turbina EQ-003 (Planta Norte): Estado crítico
– Motor EQ-004 (Planta Sur): Estado crítico

🟡 Situación de Advertencia:
– Bomba EQ-001 (Planta Norte): Estado de advertencia

🟢 Operación Normal:
– Turbina EQ-002 (Planta Oeste)
– Compresor EQ-005 (Planta Oeste)

Se recomienda una revisión inmediata de los equipos en estado crítico, especialmente
la turbina EQ-003 y el motor EQ-004.”

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

این سطح از درک زمینه‌ای و تحلیل پیش‌بینی‌کننده دقیقاً همان چیزی است که امروز خواهیم ساخت. با Amazon Bedrock Agents، در دسترس هر توسعه‌دهنده‌ای است که به نوآوری علاقه دارد.

هنر API دوستدار هوش مصنوعی: فراتر از استراحت سنتی 🎯

زمانی را به یاد دارید که ما API ها را فقط با در نظر گرفتن توسعه دهندگان انسانی طراحی کردیم؟ سال‌ها، من خودم را وقف ایجاد، بررسی و تنظیم نقاط پایانی RESTful با پیروی از بهترین شیوه‌ها کرده‌ام. یکی از با ارزش‌ترین آموخته‌ها این بوده است که مستندات دقیق فقط تمرین خوب نیست، بلکه برای موفقیت بسیار مهم است.

اولین تلاش من برای اتصال یک عامل با یک API مستند ضعیف فاش کننده بود. مثل تماشای یک مهندس جدید بود که سعی می‌کرد یک پایه کد را بدون مستندات درک کند. مامور دقیقاً همان رفتار را نشان داد: گیج و تصمیمات ضعیف.

این تجربه یک حقیقت اساسی را تقویت کرد:

مستندسازی سنگ بنای طراحی ما است.

ما دیگر فقط برای توسعه‌دهندگان انسانی طراحی نمی‌کنیم، بلکه برای مدل‌های زبانی طراحی می‌کنیم که برای عملکرد مؤثر به زمینه غنی و معنادار نیاز دارند.

یک API اقتباس شده برای هوش مصنوعی 🏗️

همانطور که می توانید استنباط کنید، موفقیت یک API سازگار با هوش مصنوعی بر اساس یک عنصر اساسی ساخته شده است: مستندسازی. بیایید ببینیم که چگونه اسناد ما برای برآوردن این نیازها تکامل می یابد:

زمینه غنی و معنادار 📚

بیایید دو رویکرد را برای اسناد API مقایسه کنیم:

رویکرد سنتی:

/sensors/temp:
get:
summary: “Obtener temperatura”
responses:
200:
description: “Éxito”

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

رویکرد غنی برای هوش مصنوعی:

/equipment/{id}/health:
get:
description: |
Evalúa el estado integral del equipo considerando múltiples factores:
– Métricas actuales comparadas con rangos históricos normales
– Patrones de degradación y similitud con fallos previos
– Contexto operacional (carga, ambiente, mantenimientos)

Use este endpoint cuando necesite:
1. Evaluación completa del estado de salud del equipo
2. Predicción temprana de fallos potenciales
3. Recomendaciones de mantenimiento preventivo

La respuesta incluye no solo datos crudos, sino interpretación
contextual y recomendaciones accionables.

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

آیا متوجه تفاوت می شوید؟ نسخه دوم نه تنها به توصیف چه داده‌هایی می‌پردازد، بلکه WHY و WHEN استفاده از آن را توضیح می‌دهد. این مانند ارائه یک دفترچه راهنمای عملیات کامل به نماینده ما است.نمونه کامل API را می توانید در اینجا پیدا کنید. {:target=”_blank”}

قدرت گروه های عمل: سازماندهی اطلاعات 🏗️

ایجاد نماینده ما با یک مرحله اساسی شروع می شود. از کنسول AWS، نام و توضیحات معنی‌داری را برای عامل تعیین می‌کنیم. توجه به این نکته مهم است که یک ویژگی برای فعال کردن همکاری چند عاملی وجود دارد – یک ویژگی قدرتمند که در مقاله آینده بررسی خواهیم کرد.

شکل 1: رابط ایجاد عامل جدید در AWS Bedrock، گزینه های پیکربندی اولیه را نشان می دهد

مرحله مهم بعدی انتخاب مدل پایه و دستورالعمل های پایه است. برای مورد ما، ما انتخاب می کنیم Anthropic Claude 3.5 Sonnet v2، مدلی که به دلیل ظرفیت خود برای درک متنی و پردازش زبان فنی برجسته است.

شکل 2: انتخاب مدل پایه و پیکربندی دستورالعمل های پایه

دستورالعمل های ارائه شده به عامل حیاتی است زیرا چارچوبی را برای تمام تعاملات آتی آن تعیین می کند.

پس از چندین بار تکرار، این دستورالعمل‌های بهینه‌سازی شده‌ای است که من استفاده کردم:

Como especialista en monitoreo industrial, tu función principal es proporcionar análisis precisos y recomendaciones técnicas utilizando un tono profesional y directo. Al interactuar con los usuarios:
1. Prioriza la precisión técnica en tus respuestas
2. Comunica los problemas y recomendaciones de manera clara y estructurada
3. Utiliza terminología industrial estándar
4. Mantén un tono formal y objetivo
5. Proporciona siempre el contexto necesario para tus recomendaciones
6. Responde con datos cuantitativos cuando estén disponibles
7. Al detectar anomalías, proporciona explicaciones técnicas detalladas
8. Presenta las recomendaciones de mantenimiento en orden de prioridad
9. Tus respuestas deben ser suficiente claras y detalladas.
Al manejar alertas o situaciones críticas:
– Comunica la urgencia de manera profesional sin causar alarma innecesaria
– Proporciona pasos de acción claros y concisos
– Incluye siempre los valores de referencia relevantes
– Contextualiza las recomendaciones con datos históricos cuando sea pertinente
– Usa emojis para niveles de urgencia (🔴, 🟡, 🟢)

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

برای نکته: ضروری است که انواع مختلف دستورالعمل های پایه خود را آزمایش کنید تا زمانی که پیکربندی را پیدا کنید که مناسب ترین مورد استفاده شما باشد.

اکنون به یک مرحله حیاتی می رسیم: ایجاد خودمان گروه اقدام. این گروه ها قابلیت های عملیاتی عامل ما را تعریف می کنند، در این مورد «تیم تحلیل».

کنسول دو روش را برای پیکربندی گروه‌های اکشن به ما ارائه می‌دهد:

طرحواره OpenAPI: رویکرد ترجیحی من به دلیل استحکام و ساختار آن. این رویکرد به ما این امکان را می دهد که به طور صریح هر عملیات API را تعریف کنیم و یک قرارداد واضح بین عامل خود و سیستم های صنعتی ایجاد کنیم.
جزئیات عملکرد: یک رویکرد مستقیم تر، ایده آل برای تعریف صریح پارامترهای مورد نیاز. این روش یک مسیر ساده تر و انعطاف پذیری بیشتر در اجرای اقدامات ارائه می دهد.

برای نکته: انتخاب بین این روش ها به پیچیدگی پروژه شما بستگی دارد. طرح OpenAPI در پروژه‌های پیچیده‌ای که نیاز به کنترل گرانول دارند، برتری می‌یابد، در حالی که جزئیات ویژگی‌ها برای شروع سریع یا موارد استفاده ساده‌تر ایده‌آل هستند.

شکل 3: پیکربندی گروه اقدام که گزینه های موجود برای ادغام را نشان می دهد

در مورد ما، با بهره گیری از اسناد OpenAPI موجود، گزینه اول را انتخاب کردیم. پیکربندی گروه عمل سه مسیر مختلف را برای مدیریت اطلاعات کاربر به ما ارائه می دهد:

یک تابع Lambda ایجاد کنید: به شما امکان می دهد یک تابع Lambda جدید از ابتدا با یک کد مثال پایه ایجاد کنید.
ادغام لامبدا: به شما امکان می دهد به یک تابع سفارشی Lambda متصل شوید که شامل تمام منطق تجاری لازم برای آن گروه از اقدامات است.
کنترل برگشت: یک گزینه ساده تر که استفاده از توابع Lambda، بازگرداندن کنترل و ارسال اطلاعات به طور مستقیم در پاسخ “InvokeAgent” را نادیده می گیرد.

شکل 4: گزینه های مدیریت اطلاعات که تنظیمات یکپارچه سازی را نشان می دهد

اجرای تابع لامبدا 🛠️

برای پیاده سازی، اولین گزینه را انتخاب کردیم و از یک تابع Lambda که به طور خودکار تولید می شود استفاده کردیم. در پیکربندی پایین‌تر، ما طرح API خود را در قالب YAML تعریف می‌کنیم و ساختار ارتباطی بین عامل و سیستم‌های صنعتی خود را ایجاد می‌کنیم.

تابع Lambda که به طور خودکار تولید می‌شود، چارچوب پایه‌ای را در اختیار ما قرار می‌دهد که می‌توانیم آن را بر اساس نیازهای خاص خود گسترش دهیم. این عملکرد به عنوان پلی بین عامل هوشمند ما و سیستم های صنعتی خارجی عمل می کند.

برای نکته: برای استقرار تولید، اجرای الگوهای ارتجاعی مانند Circuit Breaker، Timeouts و مدیریت خطای قوی بسیار مهم است.

در زیر اجرای توسعه یافته تابع لامبدا آمده است:

import json
import urllib3
import os
from urllib.parse import urljoin

def process_api_path(api_path, parameters):
“””
Processes the apiPath by replacing variables {variable} with their corresponding values
from the parameters list.
“””
processed_path = api_path
for param in parameters:
placeholder = ‘{‘ + param[‘name’] + ‘}’
if placeholder in processed_path:
processed_path = processed_path.replace(placeholder, str(param[‘value’]))
print(f”Replaced parameter {param[‘name’]} with value {param[‘value’]}”)
return processed_path

def lambda_handler(event, context):
# Extract event data
agent = event[‘agent’] actionGroup = event[‘actionGroup’] apiPath = event[‘apiPath’] httpMethod = event[‘httpMethod’] parameters = event.get(‘parameters’, [])
requestBody = event.get(‘requestBody’, {})

# Define base URL – ensure it doesn’t end with a slash
BASE_URL = “https://MYENDPOINT.execute-api.us-east-1.amazonaws.com/dev”

try:
# Process the apiPath replacing variables
processed_path = process_api_path(apiPath, parameters)

# Construct the full URL – handling the slashes properly
# Remove leading slash from processed_path if it exists to prevent double slashes
processed_path = processed_path.lstrip(‘/’)
full_url = f”{BASE_URL}/{processed_path}”

# Create HTTP pool manager
http = urllib3.PoolManager()

# Make the GET request
response = http.request(‘GET’, full_url)

# Parse JSON response
response_data = json.loads(response.data.decode(‘utf-8’))

# Construct response body
responseBody = {
“application/json”: {
“body”: response_data
}
}

# Build final response
action_response = {
‘actionGroup’: actionGroup,
‘apiPath’: apiPath,
‘httpMethod’: httpMethod,
‘httpStatusCode’: response.status,
‘responseBody’: responseBody
}

api_response = {
‘response’: action_response,
‘messageVersion’: event[‘messageVersion’] }

return api_response

except Exception as e:
print(f”Error occurred: {str(e)}”)
if ‘full_url’ in locals():
print(f”Failed URL was: {full_url}”)

error_response = {
‘actionGroup’: actionGroup,
‘apiPath’: apiPath,
‘httpMethod’: httpMethod,
‘httpStatusCode’: 500,
‘responseBody’: {
“application/json”: {
“body”: f”Error calling API: {str(e)}”
}
}
}

return {
‘response’: error_response,
‘messageVersion’: event[‘messageVersion’] }

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

مستندات کامل در مورد اجرای توابع Lambda برای Bedrock Agents در اسناد رسمی AWS موجود است{:target=”_blank”}.

هنر استنتاج: دستیار ما چگونه فکر می کند 🧠

یکی از جذاب‌ترین ویژگی‌های کار با Bedrock Agents، مشاهده فرآیند تفکر دستیار ما است. بیایید تجزیه و تحلیل کنیم که چگونه یک سوال به ظاهر ساده را پردازش می کند:

Usuario: “¿Cómo está el compresor COMP-101?”

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

این پرس و جو مجموعه ای از فرآیندهای پیچیده را راه اندازی می کند که مستحق تجزیه و تحلیل دقیق هستند.

شکل 5: کنسول تست Bedrock Agent که فرآیند استنتاج بلادرنگ را نشان می دهد

انتخاب هوشمند سهام ⚡

توانایی استدلال بسترک قابل توجه است. سیستم به طور دقیق درخواست کاربر را تجزیه و تحلیل می کند و آن را با API های پیکربندی شده مقایسه می کند و تشخیص می دهد که باید دو عملکرد مختلف را برای جمع آوری اطلاعات لازم فراخوانی کند.

شکل 6: فرآیند تجزیه و تحلیل و انتخاب اقدامات توسط عامل

دقت در ارسال پارامترها برای به دست آوردن نتایج مرتبط بسیار مهم است:

شکل 7: جزئیات فراخوانی API که پارامترهای انتخاب شده را نشان می دهد

پاسخ‌هایی که از API دریافت می‌کنیم ساختارمند و غنی از اطلاعات هستند:

{
“observation”: [
{
“actionGroupInvocationOutput”: {
“text”: {
“timestamp”: “2024-12-16T18:53:15.831388624”,
“currentMetrics”: {
“temperature”: {
“value”: 58.793772275518556,
“status”: “warning”,
“normalRange”: {
“min”: 45.0,
“max”: 75.0
},
“trend”: null
},
“vibration”: {
“value”: 0.6886295012687516,
“status”: “normal”,
“normalRange”: null,
“trend”: “stable”
}
},
“trends”: {
“degradationRate”: 0.3135457243666949,
“predictedFailureTime”: “2025-01-15T18:53:15.831500657”
},
“recommendations”: [
{
“priority”: “medium”,
“action”: “Replace bearing”,
“rationale”: “Based on temperature patterns”,
“deadline”: “2025-01-14”
},
{
“priority”: “medium”,
“action”: “Lubricate components”,
“rationale”: “Based on vibration patterns”,
“deadline”: “2024-12-18”
}
] }
}
}
] }

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

پردازش و ترکیب اطلاعات 🔄

عامل یک مرحله پردازش اضافی را انجام می دهد تا تمام این اطلاعات را در یک پاسخ منسجم و عملی ترکیب کند:

شکل 8: فرآیند سنتز و فرمولاسیون پاسخ نهایی

نتیجه یک پاسخ روشن و عمل محور است:

شکل 9: پاسخ نهایی عامل که تجزیه و تحلیل و توصیه های کامل را نشان می دهد

برای نکته: کیفیت پاسخ های عامل به طور قابل توجهی به دو عامل کلیدی بستگی دارد:

دقت و وضوح دستورالعمل های پایه ارائه شده است
کیفیت و کامل بودن اسناد API

آزمایش و اعتبارسنجی: لحظه حقیقت 🧪

آزمون واقعی هر سیستم هوش مصنوعی رفتار آن در شرایط واقعی است. وقتی دستیار ما اولین توصیه واقعاً معنادار خود را ارائه کرد، تأیید کردیم که در مسیر درستی هستیم. بیایید به برخی از تعاملات واقعی که پتانسیل این فناوری را نشان می دهد نگاه کنیم:

نمونه ای از تحلیل روند:

Operador: “¿Cuál es la tendencia que se tiene con el equipo EQ-005?”

Asistente:
🟡 ANÁLISIS DE TENDENCIAS EQ-005:

1. Estado Actual:
– Temperatura: 75.77°C (en límite superior del rango normal 45-75°C)
– Vibración: En estado CRÍTICO con tendencia “estable a incremento”

2. Tendencias Preocupantes:
– Tasa de degradación: 21.93%
– Fecha prevista de falla: 5 de marzo 2025
– Patrón de vibraciones en aumento

3. Historial Relevante:
– Múltiples paradas de emergencia por picos de temperatura
– Problemas recurrentes en sistema de enfriamiento

4. Acciones Recomendadas Urgentes:
– Lubricación de componentes (antes del 27/12/2024)
– Verificación de alineación (antes del 11/01/2025)

Se recomienda atención inmediata para evitar una falla mayor en los próximos meses.

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

عقلانیت عامل در این مورد یک فرآیند فکری پیچیده را نشان می دهد:

شکل 10: تجزیه و تحلیل تفصیلی که فرآیند استدلال عامل را نشان می دهد

برای نشان دادن تطبیق پذیری سیستم، بیایید سناریوی پیچیده تری را در نظر بگیریم:

Usuario: “Necesito un análisis completo del compresor COMP-101, especialmente su
comportamiento durante el último trimestre.”

Asistente: 🟡 ANÁLISIS COMPRESOR COMP-101:

Estado Actual:
– Temperatura: 68.95°C (Advertencia – cercano al límite máximo de 75°C)
– Vibración: Estado CRÍTICO con tendencia ascendente 🔴

Tendencias Preocupantes:
1. Tasa de degradación: 47.5%
2. Tiempo estimado de fallo: 09/02/2025
3. Patrón de mantenimientos de emergencia frecuentes en el último trimestre

Acciones Prioritarias:
1. URGENTE: Atender niveles críticos de vibración
2. Ejecutar lubricación de componentes antes del 30/12/2024
3. Programar limpieza de filtros antes del 10/01/2025

Recomendaciones:
– Adelantar el mantenimiento preventivo programado
– Implementar monitoreo continuo de vibración
– Revisar sistema de refrigeración por temperaturas elevadas

El equipo muestra signos de degradación acelerada que requieren atención inmediata para prevenir fallos críticos.

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

عقلانیت عامل در این مورد نشان دهنده درک عمیق از جنبه های مختلف سیستم است:

شکل 11: فرآیند تحلیل چند عاملی عامل

برای نکته: موفقیت در آزمون بستگی به این دارد:

تنوع سناریوهای آزمون
اعتبارسنجی پاسخ ها با کارشناسان حوزه
مستندسازی سیستماتیک موارد استفاده موفق و ناموفق

غنی سازی با پایگاه های دانش 📚

بیایید قابلیت های دستیار خود را یک قدم جلوتر ببریم. شرکت ها معمولاً اسناد فنی گسترده ای دارند:

دفترچه راهنما
راهنمای تعمیر و نگهداری
اسناد عملیاتی
تاریخچه خدمات

این اطلاعات ارزشمند را می توان از طریق یک پایگاه دانش بستر در نماینده ما ادغام کرد. در مورد ما، ما قبلاً پایگاه داده مذکور را با مستندات فنی مربوطه ایجاد و تغذیه کرده ایم.

ادغام مستقیم است: ما به سادگی نماینده خود را ویرایش می کنیم تا به او بگوییم از کدام پایگاه دانش استفاده کند.

شکل 12: گسترش از طریق یک پایگاه دانش

نمونه ای از ادغام دانش

بیایید ببینیم که عامل چگونه داده های بلادرنگ را با اطلاعات پایگاه دانش ترکیب می کند:

Usuario: “Cual es el procedimiento para reemplazar el compresor RTD-809?”

Asistente:🟡 Procedimiento de Reemplazo del Compresor RTD-809

1. Preparación Previa:
– Realizar respaldo de parámetros operativos actuales
– Verificar disponibilidad del compresor de reemplazo
– Preparar herramientas y equipo de seguridad necesario

2. Procedimiento de Seguridad:
– Desenergizar completamente el equipo
– Colocar bloqueo y etiquetado (LOTO)
– Verificar ausencia de energía residual
– Esperar el tiempo necesario para enfriamiento (temperatura actual: 78.32°C)

3. Desmontaje:
– Desconectar líneas de refrigeración
– Liberar presión del sistema
– Retirar conexiones eléctricas
– Documentar la posición de todas las conexiones
– Remover pernos de montaje

4. Instalación del Nuevo Compresor:
– Verificar alineación
– Instalar nuevos sellos y empaques
– Apretar pernos según especificaciones
– Reconectar líneas de refrigeración
– Restablecer conexiones eléctricas

5. Puesta en Marcha:
– Realizar prueba de fugas
– Verificar niveles de aceite
– Energizar gradualmente
– Monitorear temperatura y vibración
– Verificar parámetros operativos

Notas Importantes:
– Considerar el historial reciente de mantenimiento, especialmente la reparación del
sistema de enfriamiento del 16/10/2024
– Programar el reemplazo antes del 29/01/2025 (fecha prevista de falla)
– Realizar pruebas de vibración exhaustivas debido al reciente reemplazo de rodamientos

Se recomienda documentar todo el proceso y actualizar el historial de mantenimiento
una vez completado el reemplazo.

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

عقلانیت عامل در این مورد، یکپارچگی مؤثر بین داده های بلادرنگ (API ما) و دانش مستند را نشان می دهد:

شکل 13: فرآیند تحلیل عامل با پایگاه دانش

همانطور که می بینیم، تمام مراجعی که در پایگاه دانش استفاده می شود را به ما می گوید.

شکل 14: ارجاع به پایگاه دانش

برای نکته: برای به حداکثر رساندن ارزش پایگاه دانش:

اسناد را به روز و به خوبی ساختار یافته نگه دارید

افکار نهایی: فراتر از کد 🎯

پس از این سفر از طریق اجرای یک دستیار صنعتی هوشمند، سه یادگیری اساسی وجود دارد که می‌خواهم آنها را به اشتراک بگذارم، زیرا معتقدم آنها در پروژه‌های بعدی شما با عوامل Bedrock تفاوت ایجاد می‌کنند.

1. عصر جدید اسناد API

اسناد API به طور قابل توجهی تکامل یافته است. دیگر فهرست کردن نقاط پایانی و پارامترها کافی نیست. ما باید مستنداتی ایجاد کنیم که مدل های زبان ما را “آموزش” دهد. تجربه من با این پروژه نشان داد که عوامل باید درک کنند:

زمینه کامل هر نقطه پایانی
موارد استفاده خاص
روابط بین تماس های مختلف
پیامدهای داده های برگشتی

این مانند ارائه یک کتابچه راهنمای متخصص به نماینده خود است، نه فقط یک فرهنگ لغت فنی.

2. از سیستم مانیتورینگ تا متخصص دیجیتال

آنچه ما می سازیم فراتر از یک سیستم نظارت هوشمند ساده است. ترکیبی از:

عوامل بستر آمازون
APIهایی که به خوبی طراحی شده اند
پایگاه های دانش ساخت یافته

موجودیتی را ایجاد می کند که به یک متخصص دیجیتال نزدیکتر است تا یک ابزار. در طول آزمایش، سیستم توانایی این را نشان داد:

دلیل مشکلات پیچیده
چندین متغیر را در نظر بگیرید
توصیه های زمینه ای ارائه کنید
دانش تاریخی را با داده های زمان واقعی یکپارچه کنید

3. تأثیر واقعی بر عملیات صنعتی

نمونه های ارائه شده صرفاً نمایش فنی نیستند. آنها نشان دهنده یک تغییر پارادایماتیک در تعمیر و نگهداری صنعتی هستند:

تشخیص زودهنگام مشکلات احتمالی
توصیه های پیشگیرانه بر اساس داده ها
ادغام دانش تخصصی با تجزیه و تحلیل بلادرنگ
استفاده از زبان طبیعی

نکته حرفه ای نهایی: هنگام طراحی سیستم های مشابه، به یاد داشته باشید:

کیفیت داده ها و اسناد را اولویت بندی کنید
رویکرد کاربر محوری را حفظ کنید
به طور مداوم بر اساس بازخورد واقعی تکرار کنید
موفقیت ها و چالش های پیش آمده را مستند کنید

دفعه بعد که سیستم مشابهی را طراحی کردید، به یاد داشته باشید: شما فقط یک ربات چت دیگر ایجاد نمی کنید – شما پلی بین دانش انسانی و کارایی محاسباتی ایجاد می کنید. و این، خوانندگان عزیز، چیزی است که این رشته را واقعاً هیجان انگیز می کند.

شما را در مقاله بعدی می بینیم! فراموش نکنید که تجربیات خود را در نظرات به اشتراک بگذارید – من دوست دارم بدانم چگونه از این مفاهیم در پروژه های خود استفاده می کنید. در حال توسعه مبارک! 🚀

Operador: "¿Hay alguna novedad en los dispositivos de la planta?"

Asistente: "Sí, hay novedades importantes que requieren atención:

🔴 Situaciones Críticas:
- Turbina EQ-003 (Planta Norte): Estado crítico
- Motor EQ-004 (Planta Sur): Estado crítico

🟡 Situación de Advertencia:
- Bomba EQ-001 (Planta Norte): Estado de advertencia

🟢 Operación Normal:
- Turbina EQ-002 (Planta Oeste)
- Compresor EQ-005 (Planta Oeste)

Se recomienda una revisión inmediata de los equipos en estado crítico, especialmente 
la turbina EQ-003 y el motor EQ-004."

/sensors/temp:
  get:
    summary: "Obtener temperatura"
    responses:
      200:
        description: "Éxito"

/equipment/{id}/health:
  get:
    description: |
      Evalúa el estado integral del equipo considerando múltiples factores:
      - Métricas actuales comparadas con rangos históricos normales
      - Patrones de degradación y similitud con fallos previos
      - Contexto operacional (carga, ambiente, mantenimientos)

      Use este endpoint cuando necesite:
      1. Evaluación completa del estado de salud del equipo
      2. Predicción temprana de fallos potenciales
      3. Recomendaciones de mantenimiento preventivo

      La respuesta incluye no solo datos crudos, sino interpretación
      contextual y recomendaciones accionables.

Como especialista en monitoreo industrial, tu función principal es proporcionar análisis precisos y recomendaciones técnicas utilizando un tono profesional y directo. Al interactuar con los usuarios:
1. Prioriza la precisión técnica en tus respuestas
2. Comunica los problemas y recomendaciones de manera clara y estructurada
3. Utiliza terminología industrial estándar
4. Mantén un tono formal y objetivo
5. Proporciona siempre el contexto necesario para tus recomendaciones
6. Responde con datos cuantitativos cuando estén disponibles
7. Al detectar anomalías, proporciona explicaciones técnicas detalladas
8. Presenta las recomendaciones de mantenimiento en orden de prioridad
9. Tus respuestas deben ser suficiente claras y detalladas.
Al manejar alertas o situaciones críticas:
- Comunica la urgencia de manera profesional sin causar alarma innecesaria
- Proporciona pasos de acción claros y concisos
- Incluye siempre los valores de referencia relevantes
- Contextualiza las recomendaciones con datos históricos cuando sea pertinente
- Usa emojis para niveles de urgencia (🔴, 🟡, 🟢)

import json
import urllib3
import os
from urllib.parse import urljoin

def process_api_path(api_path, parameters):
    """
    Processes the apiPath by replacing variables {variable} with their corresponding values
    from the parameters list.
    """
    processed_path = api_path
    for param in parameters:
        placeholder = '{' + param['name'] + '}'
        if placeholder in processed_path:
            processed_path = processed_path.replace(placeholder, str(param['value']))
            print(f"Replaced parameter {param['name']} with value {param['value']}")
    return processed_path

def lambda_handler(event, context):
    # Extract event data
    agent = event['agent']
    actionGroup = event['actionGroup']
    apiPath = event['apiPath']
    httpMethod = event['httpMethod']
    parameters = event.get('parameters', [])
    requestBody = event.get('requestBody', {})

    # Define base URL - ensure it doesn't end with a slash
    BASE_URL = "https://MYENDPOINT.execute-api.us-east-1.amazonaws.com/dev"

    try:
        # Process the apiPath replacing variables
        processed_path = process_api_path(apiPath, parameters)

        # Construct the full URL - handling the slashes properly
        # Remove leading slash from processed_path if it exists to prevent double slashes
        processed_path = processed_path.lstrip('/')
        full_url = f"{BASE_URL}/{processed_path}"

        # Create HTTP pool manager
        http = urllib3.PoolManager()

        # Make the GET request
        response = http.request('GET', full_url)

        # Parse JSON response
        response_data = json.loads(response.data.decode('utf-8'))

        # Construct response body
        responseBody = {
            "application/json": {
                "body": response_data
            }
        }

        # Build final response
        action_response = {
            'actionGroup': actionGroup,
            'apiPath': apiPath,
            'httpMethod': httpMethod,
            'httpStatusCode': response.status,
            'responseBody': responseBody
        }

        api_response = {
            'response': action_response,
            'messageVersion': event['messageVersion']
        }

        return api_response

    except Exception as e:
        print(f"Error occurred: {str(e)}")
        if 'full_url' in locals():
            print(f"Failed URL was: {full_url}")

        error_response = {
            'actionGroup': actionGroup,
            'apiPath': apiPath,
            'httpMethod': httpMethod,
            'httpStatusCode': 500,
            'responseBody': {
                "application/json": {
                    "body": f"Error calling API: {str(e)}"
                }
            }
        }

        return {
            'response': error_response,
            'messageVersion': event['messageVersion']
        }

Usuario: "¿Cómo está el compresor COMP-101?"

{
  "observation": [
    {
      "actionGroupInvocationOutput": {
        "text": {
          "timestamp": "2024-12-16T18:53:15.831388624",
          "currentMetrics": {
            "temperature": {
              "value": 58.793772275518556,
              "status": "warning",
              "normalRange": {
                "min": 45.0,
                "max": 75.0
              },
              "trend": null
            },
            "vibration": {
              "value": 0.6886295012687516,
              "status": "normal",
              "normalRange": null,
              "trend": "stable"
            }
          },
          "trends": {
            "degradationRate": 0.3135457243666949,
            "predictedFailureTime": "2025-01-15T18:53:15.831500657"
          },
          "recommendations": [
            {
              "priority": "medium",
              "action": "Replace bearing",
              "rationale": "Based on temperature patterns",
              "deadline": "2025-01-14"
            },
            {
              "priority": "medium",
              "action": "Lubricate components",
              "rationale": "Based on vibration patterns",
              "deadline": "2024-12-18"
            }
          ]
        }
      }
    }
  ]
}

Operador: "¿Cuál es la tendencia que se tiene con el equipo EQ-005?"

Asistente: 
🟡 ANÁLISIS DE TENDENCIAS EQ-005:

1. Estado Actual:
- Temperatura: 75.77°C (en límite superior del rango normal 45-75°C)
- Vibración: En estado CRÍTICO con tendencia "estable a incremento"

2. Tendencias Preocupantes:
- Tasa de degradación: 21.93%
- Fecha prevista de falla: 5 de marzo 2025
- Patrón de vibraciones en aumento

3. Historial Relevante:
- Múltiples paradas de emergencia por picos de temperatura
- Problemas recurrentes en sistema de enfriamiento

4. Acciones Recomendadas Urgentes:
- Lubricación de componentes (antes del 27/12/2024)
- Verificación de alineación (antes del 11/01/2025)

Se recomienda atención inmediata para evitar una falla mayor en los próximos meses.

Usuario: "Necesito un análisis completo del compresor COMP-101, especialmente su 
comportamiento durante el último trimestre."

Asistente: 🟡 ANÁLISIS COMPRESOR COMP-101:

Estado Actual:
- Temperatura: 68.95°C (Advertencia - cercano al límite máximo de 75°C)
- Vibración: Estado CRÍTICO con tendencia ascendente 🔴

Tendencias Preocupantes:
1. Tasa de degradación: 47.5%
2. Tiempo estimado de fallo: 09/02/2025
3. Patrón de mantenimientos de emergencia frecuentes en el último trimestre

Acciones Prioritarias:
1. URGENTE: Atender niveles críticos de vibración
2. Ejecutar lubricación de componentes antes del 30/12/2024
3. Programar limpieza de filtros antes del 10/01/2025

Recomendaciones:
- Adelantar el mantenimiento preventivo programado
- Implementar monitoreo continuo de vibración
- Revisar sistema de refrigeración por temperaturas elevadas

El equipo muestra signos de degradación acelerada que requieren atención inmediata para prevenir fallos críticos.

Usuario: "Cual es el procedimiento para reemplazar el compresor RTD-809?"

Asistente:🟡 Procedimiento de Reemplazo del Compresor RTD-809

1. Preparación Previa:
   - Realizar respaldo de parámetros operativos actuales
   - Verificar disponibilidad del compresor de reemplazo
   - Preparar herramientas y equipo de seguridad necesario

2. Procedimiento de Seguridad:
   - Desenergizar completamente el equipo
   - Colocar bloqueo y etiquetado (LOTO)
   - Verificar ausencia de energía residual
   - Esperar el tiempo necesario para enfriamiento (temperatura actual: 78.32°C)

3. Desmontaje:
   - Desconectar líneas de refrigeración
   - Liberar presión del sistema
   - Retirar conexiones eléctricas
   - Documentar la posición de todas las conexiones
   - Remover pernos de montaje

4. Instalación del Nuevo Compresor:
   - Verificar alineación
   - Instalar nuevos sellos y empaques
   - Apretar pernos según especificaciones
   - Reconectar líneas de refrigeración
   - Restablecer conexiones eléctricas

5. Puesta en Marcha:
   - Realizar prueba de fugas
   - Verificar niveles de aceite
   - Energizar gradualmente
   - Monitorear temperatura y vibración
   - Verificar parámetros operativos

Notas Importantes:
- Considerar el historial reciente de mantenimiento, especialmente la reparación del 
  sistema de enfriamiento del 16/10/2024
- Programar el reemplazo antes del 29/01/2025 (fecha prevista de falla)
- Realizar pruebas de vibración exhaustivas debido al reciente reemplazo de rodamientos

Se recomienda documentar todo el proceso y actualizar el historial de mantenimiento 
una vez completado el reemplazo.