Как сохранить знания наладчиков: ИИ-справочник по ремонту оборудования

Заказчик из Германии попросил оцифровать знания заводских наладчиков: собрать настройки и ремонт всего оборудования цеха в одном справочнике, который отвечает на вопрос по-человечески - коротко и по делу, своими словами, а не ссылкой на толстую инструкцию. Решение - векторная база знаний из документации предприятия плюс Telegram-бот с ИИ поверх неё.

Что случилось: заказ, о котором я раньше не слышал

Я даже не знал, что такие проекты вообще заказывают. Но заказчик быстро убедил: он сказал, что конкуренты уже вовсю используют ИИ-базы настроек и ремонта на производстве, а у него такого справочника нет - знания держатся в головах опытных наладчиков.

Что мы сделали: собрали базу из инструкций, видео и оборудования

Собрали векторную базу данных по всему оборудованию предприятия. В дело пошли фирменные инструкции, обучающие видео на YouTube и два готовых сервиса:

• iFixit - сообщество и база с пошаговыми руководствами по ремонту и разборке техники, с фотографиями и подсказками.
• ManualsLib - одна из крупнейших бесплатных онлайн-библиотек оригинальных инструкций, паспортов и схем в формате PDF.

Речь шла не об одном станке, а о целой технологической линии: размотка рулона, нанесение покрытия, термическая обработка, лазерная активация слоя, контроль качества и намотка готового материала. У каждого из этих узлов своя логика настройки, и до этого проекта весь опыт по ней держался в головах людей, которые работали на линии - свериться было негде.

Вот как выглядит часть этой линии - оборудование, для которого собирали справочник.

Основа базы - заводская документация: руководства по эксплуатации, разделы про назначение оборудования, защитные механизмы и аварийную остановку, схемы узлов. Именно такие страницы ИИ и превращает в мгновенный ответ вместо ручного поиска по бумажному документу.

Интерфейс для наладчика - обычный Telegram-чат на сервисе QuestFlow: вопрос можно написать или надиктовать голосом, приложить фото - и получить ответ с шагами.

Что такое векторный поиск простыми словами?

Обычный поиск по документу ищет точное совпадение слов: нет в тексте слова «заклинило» - не найдёт нужный раздел, даже если он там есть под другим названием. Векторный поиск работает иначе: документы разбивают на фрагменты и превращают в числовое представление смысла. Когда наладчик задаёт вопрос своими словами, система ищет фрагменты, ближайшие по смыслу. Поэтому неважно, как именно сформулирован вопрос - «заклинило» или «не двигается» - ИИ найдёт нужный раздел инструкции.

Как это работает: от вопроса или фото до готовой инструкции

ИИ понимает запросы любой сложности: от базовых настроек («положил заготовку, приложил линейку - что дальше?») до сценариев при поломках. Случилась проблема - наладчик фотографирует узел, пишет «почему не работает», и получает инструкцию с конкретными шагами вместо общих советов из интернета. Наладчик не обязан знать точное название узла или номер раздела - он описывает проблему своими словами, как объяснил бы коллеге, и получает ответ на основе документов именно этого предприятия.

Почему ответ не путает модели оборудования?

Ответ строится на документах именно этого предприятия. Типовая языковая модель без такой базы может подмешать инструкцию от похожего, но другого станка - и наладчик получит шаги, которые не подходят его оборудованию. Векторная база ограничивает ИИ реальными документами заказчика, поэтому он не смешивает модели и не выдаёт чужие процедуры за свои.

Сколько это стоит и сколько времени экономит?

Я делал такой проект впервые, поэтому оценивал честно: весь проект обошёлся заказчику по цене месячной зарплаты одного наладчика. Окупаемость понятна без сложных расчётов: новый сотрудник перестаёт ждать, пока свободный наладчик оторвётся от станка и объяснит на пальцах, а опытные специалисты меньше отвлекаются на повторяющиеся вопросы. Следующие подобные заказы я сделаю уже проще и быстрее - процесс отработан. Экономия времени, на мой взгляд, складывается из мелочей: раньше в такой ситуации человек шёл искать бумажную папку с инструкцией или звонил коллеге, а теперь просто открывает чат с ботом.

Кому подходит такой ИИ-справочник?

Тем, кто хочет оцифровать знания всех опытных наладчиков и объединить их в единый справочник - и перестать зависеть от того, не уйдёт ли кто-то из них на пенсию в неподходящий момент. Подходит любому производству с парком разнородного оборудования: чем больше моделей станков и чем реже меняются процедуры, тем быстрее окупается такая база. Для линии из одного-двух станков смысла меньше - там опытный наладчик и так держит всё в голове без потерь, а вот когда оборудования десятки единиц разных производителей, ручная память перестаёт справляться.

Три признака, что задача - именно ваша:

1. Новый сотрудник неделями ходит хвостом за опытным наладчиком вместо того, чтобы работать самостоятельно.
2. Одни и те же вопросы про настройку и типовые поломки повторяются из смены в смену.
3. Документация на оборудование есть, но она разрозненная: часть на бумаге, часть в PDF у поставщика, часть - только в голове у человека, который скоро уйдёт в отпуск или на пенсию.

Если совпал хотя бы один пункт - обычно этого достаточно, чтобы окупить сборку такой базы за счёт сэкономленного времени наладчиков.

При чём тут 1001site AI

Этот проект - про то, как ИИ работает с реальными данными бизнеса. У 1001site AI та же логика, только для сайта: конструктор собирает сайт по вашей ссылке или описанию, а дальше ИИ-ассистент кабинета правит его словами, отвечая на ваши конкретные задачи. Разница в задаче - там справочник для цеха, здесь сайт для клиентов, а принцип «ИИ работает с вашими данными» один и тот же. Попробовать эту логику на своём сайте можно здесь.

Источники

• QuestFlow - сервис для Telegram-ботов с ИИ
• iFixit - сообщество и база руководств по ремонту
• ManualsLib - библиотека инструкций и паспортов оборудования
• Пост и обсуждение в Telegram-канале

Заглянуть, как устроена похожая ИИ-платформа для Telegram, можно в разборе QuestFlow - на нём и построен бот для этого проекта.

Вопросы и ответы

Что такое векторная база знаний простыми словами?

Документы разбивают на фрагменты и сохраняют так, чтобы ИИ находил нужный кусок по смыслу вопроса. Ответ собирается из документов именно вашего предприятия, а не из общих знаний модели.

Можно ли добавить знания наладчиков, которых нет ни в одной инструкции?

Да. Голосовые заметки и фото из Telegram тоже попадают в базу, и ИИ использует их в следующих ответах наравне с официальной документацией.

Нужно ли обучать сотрудников работать с таким справочником?

Интерфейс - обычный Telegram-чат: пишете вопрос текстом или голосом, прикладываете фото. Обучение занимает пару минут, специальное приложение ставить не нужно.