收益：
- 能够将警报泛滥中的根本原因与次要警报分开，并利用人工智能从带有时间戳的警报链中生成根本原因假设
- 能够理解在没有物理指标确认的情况下不要将人工智能的根本原因假设视为证据，并阅读官方来源的手动值
- 能够理解机器停止、安全跳闸禁用和紧急机动决策属于人类工程师，无法自动化。
当机舱警报响起时，就开始计时。数十个传感器、相互交织的系统，有时还有同时响起的许多警报（警报泛滥——发生故障时相互触发的大量警报）给工程师带来了挑战。将实际故障与其触发的次要警报分开（根本原因分析）需要快速而准确的思考。人工智能可以成为故障诊断和警报解释的强大决策支持工具；但停止机器、启动机器和进行紧急干预的决定是总工程师和机器人员的责任。
在本单元中，您将学习如何安全地使用人工智能进行报警管理、根本原因分析和故障诊断；您将了解哪些决策永远无法自动化。
警报泛滥和根本原因
大多数时候，故障不会自行发生。例如，如果冷却液泵停止：泵报警，然后高温报警，然后机头减速报警将重复响起。您将在面板上看到 8 个警报，但根本原因只有一个：泵。正确的诊断是向后解开这条链条。
人工智能可以帮助解开这条链条：它排列警报时间戳并提供一个假设，例如“第一个响起的是泵警报；其他警报可能是它的结果。”但是：
- 这是一个假设，而不是证明。工程师通过物理指标和系统信息进行验证。
- 如果时间戳和系统拓扑没有正确给出，人工智能可能会指出错误的根本原因。
提示：当让人工智能分析警报时，请给出警报的准确时间戳（精确到秒）以及哪个系统连接到哪个系统（例如“该泵为该电路供电”）。如果没有时间顺序和连接信息，根本原因预测是不可靠的。
决策支持：哪里是，哪里不是
机舱内安全使用人工智能的地方：
- 对警报链进行排序并生成可能的根本原因假设。
- 列出故障现象的可能原因和故障排除概要。
- 快速查找技术手册和程序中的相关部分。
- 用客观语言撰写干预报告。
永远不会委托给人工智能的决策：
- 停止或启动机头。
- 停用安全装置（安全跳闸 — 危险时自动停止）。
- 火灾、进水、停电（停电）等紧急演习。
- 通过称其为“不重要”来覆盖警报。
这些决定需要培训、权威以及法律责任；这一切都取决于人类工程师。
注意：仅仅因为人工智能表明可能导致灾难而静音/跳过安全行程或警报。警报是系统与您对话的方式。 AI最多会说“警报可能因为这样那样的原因响了”；是否推翻它的决定取决于工程师的理由和程序。
三个迷你箱子
案例 1 — 快速找到根本原因。夜班期间，6个警报同时响起。值班工程师将报警日志（带时间戳）交给AI； YZ 列出，首先响起的是润滑压力下降，其他的随之而来。工程师检查油系统，找到并修复堵塞的过滤器。人工智能节省时间；工程师进行了诊断和干预。
案例 2 — 误导性根本原因。在类似的事件中，人工智能给出的警报时间戳不正确（时钟不同步）；人工智能将误报误认为是“第一次”，并指出了错误的根本原因。经验丰富的总工程师看到物理指标指向另一个系统，并拒绝了人工智能的假设。教训：如果输入（时间同步）乱序，则输出也会乱序。
情况 3 — 不应静音的警报。一名工程师向人工智能询问不断响起的温度警报“可能是传感器错误”；人工智能让这一切看起来成为可能。但工程师按照程序首先进行了物理检查，发现了实际过热的情况。如果警报被消除，设备就会被损坏。教训：报警先验证，再解释；即使AI说“可能是传感器”。
四个可复制模板
1）报警链根本原因假设：
您的角色：机器诊断顾问。我会给你带时间戳的报警日志和系统连接信息（哪个设备喂什么）。任务：按时间顺序对警报进行排序，假设可能的根本原因，并解释链条。写下这是假设，需要进行物理验证。我决定停止/干预。
2）故障现象排除顺序：
症状：[例如一个气缸中的头部发动机排气温度高]。请概述一下可能的原因和检查顺序（从最可能和最安全的检查开始）。为每个步骤写下“观察、测量”。标记需要安全警告的步骤。决定和干预是我的。
3）手动引导：
总结一下在[设备]出现[症状]的情况下我应该查看制造商维护手册的哪一部分以及一般程序逻辑。我将从官方手册中阅读确切的值/扭矩/顺序；您无需编制数字/扭矩，只需直接指定即可。
4）干预报告草案：
我将逐步向您提供故障排除的事实（时间、警报、采取的操作、结果）。起草一份客观的机器事故报告。只需使用我提供的事实，不要添加细节，留下模糊的“[需要确认]”。
弱提示/强提示
弱提示：
机器警报响起，我该怎么办？
哪个报警、哪个系统、哪个症状不清楚；人工智能提供通用且有风险的建议。
强力提示：
您的角色：机器诊断顾问。设备：封头机。附有带时间戳的警报日志和系统图。故障现象：03:12 油压低报警，03:12:20 轴承温度高，03:13 减速。任务：给出根本原因假设和验证顺序；每一步我应该看哪个指标？解释一下这是一个假设，由我来阻止它。
警报时间、系统上下文和决策边界的清晰性使输出安全。
报警/诊断：角色分配
任务
人工智能的贡献
工程师的工作
报警链排序
基于时间的假设
物理验证
根本原因
候选原因
诊断、决定
故障排除顺序
草案
应用、观察
手动值
重定向
阅读官方文本
机器停止
（未决）
总工程师决定
安全跳闸/超越
（未决）
人+程序
常见错误
- 将根本原因假设误认为是证据。 AI订单是一个开始；需要物理指标确认。
- 提供损坏/时间同步日志。错误的时间戳会产生错误的根本原因。
- 首先解释警报，然后验证它。首先对警报进行物理检查； “可能是传感器”的假设是危险的。
- 将停止/超控决定留给人工智能。这些决定是人类的权力和责任。
- 从AI获取手动值。扭矩、温度、顺序均从官方手册中读取；人工智能可以弥补这一点。
总之
机舱的报警管理和故障诊断要求速度和准确性。人工智能是一种有价值的决策支持工具，可以对警报链进行排序并生成根本原因假设、故障排除顺序和手动指导。但每个假设都经过物理验证；机器停止、安全跳闸禁用和紧急操作是人类工程师的责任。报警先验证后解读；人工智能的输出并不能取代有能力的工程师的判断。
应用任务
设置故障场景：根本原因和由其触发的 4-5 个辅助警报，并带有时间戳。让AI用“警报链根本原因假设”模板来解决它。然后重复相同的请求，故意混合时间戳，并观察 AI 如何出错。写下您将在每种情况下验证的物理指标。
清单
- [ ] 我导出了具有正确时间戳和系统上下文的警报日志。
- [ ] 我用物理指标证实了根本原因假设。
- [ ] 在评论之前我亲自检查了每个警报。
- [ ] 作为工程师，我做出了停止、超控和紧急机动的决定。
- [ ]我从官方来源阅读了手册值；我没有弥补AI。