部署电池故障 AI 预测模型服务 #80

New Issue

dingshuo · 2026-03-26T11:09:31+08:00

dingshuo commented

2026-03-26 11:09:31 +08:00

溯源

Parent: FEAT_BMS_002

任务上下文

基于 Flink 实时特征工程输出，调用 AI 模型进行电池热失控风险预测，提前 7 天预警。

验收标准

集成 ENAB_MLOPS_001 推理 API 网关
实现实时特征向量组装（电压、温度、电流、SOC 等）
验证模型推理延迟 P99 < 200ms
测试集准确率 > 90%
支持动态输出高/中/低风险等级

NFRs

性能: 端到端预测延迟 < 500ms
可靠性: 模型服务降级策略（超时返回未知风险）

技术实现思路

Flink 作业调用 HTTP/gRPC 接口获取预测结果
缓存热点车型模型参数
异步日志记录预测输入输出

📋 SAFe 元数据

溯源 (Parent Reference): FEAT_BMS_002
预估工时: 16 小时
标签: type/story, domain/ai, priority/high, status/todo

## 溯源 - Parent: FEAT_BMS_002 ## 任务上下文基于 Flink 实时特征工程输出，调用 AI 模型进行电池热失控风险预测，提前 7 天预警。 ## 验收标准 - [ ] 集成 ENAB_MLOPS_001 推理 API 网关 - [ ] 实现实时特征向量组装（电压、温度、电流、SOC 等） - [ ] 验证模型推理延迟 P99 < 200ms - [ ] 测试集准确率 > 90% - [ ] 支持动态输出高/中/低风险等级 ## NFRs - 性能: 端到端预测延迟 < 500ms - 可靠性: 模型服务降级策略（超时返回未知风险） ## 技术实现思路 - Flink 作业调用 HTTP/gRPC 接口获取预测结果 - 缓存热点车型模型参数 - 异步日志记录预测输入输出 --- ## 📋 SAFe 元数据 - **溯源 (Parent Reference)**: `FEAT_BMS_002` - **预估工时**: 16 小时 - **标签**: type/story, domain/ai, priority/high, status/todo

dingshuo added the

labels 2026-03-26 11:09:31 +08:00

Sign in to join this conversation.

1 Participants

Notifications

Due Date

No due date set.

Dependencies

No dependencies set.

Reference: Bosch_Demo/git_file_ops_test#80