Kuinka säilyttää teknikkojesi tietämys: tekoälyyn perustuva laitteiden korjausopas

Saksalainen asiakas pyysi digitalisoimaan tehdasteknikkojen tietämyksen: kokoamaan kaikkien laitteiden asetukset ja korjaukset yhteen hakuteokseen, joka vastaisi kysymyksiin ihmisen luettavassa muodossa – ytimekkäästi ja ytimekkäästi, heidän omin sanoin, sen sijaan, että viitattaisiin paksuun käyttöohjeeseen. Ratkaisuna oli yrityksen dokumentaatiosta peräisin oleva vektoritietokanta sekä tekoälyllä varustettu Telegram botti.

Mitä tapahtui: Tilaus, josta en ollut koskaan ennen kuullut

En edes tiennyt, että tällaisia projekteja tilattiin. Mutta asiakas vakuutti minut nopeasti: hän sanoi, että kilpailijat käyttivät jo tekoälypohjaisia tietokantoja asetuksista ja korjauksista tuotannossa, mutta hänellä ei ollut tällaista hakuteosta – tieto oli tallennettu kokeneiden säätäjien päähän.

Mitä teimme: kokosimme ohjeista, videoista ja laitteista koostuvan tietokannan

Kokosimme vektoritietokannan kaikista yrityksen laitteista. Käytimme omiin käyttöohjeisiinsa, YouTube koulutusvideoihin ja kahteen valmiiseen palveluun:

• iFixit on yhteisö ja tietokanta, joka sisältää vaiheittaisia korjaus- ja purkamisoppaita, joissa on kuvia ja vinkkejä.
• ManualsLib on yksi suurimmista ilmaisista verkkokirjastoista, jotka sisältävät alkuperäisiä PDF-muotoisia käyttöoppaita, datalehtiä ja kaavioita.

Kyseessä ei ollut vain yksi kone, vaan kokonainen tuotantolinja: rullan aukirullaus, pinnoitteen levittäminen, lämpökäsittely, laserkerrosten aktivointi, laadunvalvonta ja valmiin materiaalin rullaaminen. Jokaisella näistä yksiköistä on oma asetuslogiikkansa, ja ennen tätä projektia kaikki tieto siitä oli varastoitu linjalla työskentelevien ihmisten päähän – ei ollut mitään keinoa vertailla tietoja keskenään.

Näin näyttää osa tästä linjasta - laitteet, joille hakuteos on koottu.

Tietokannan perustana on tehdasdokumentaatio: käyttöohjeet, laitteiden käyttötarkoitusta, turvamekanismeja ja hätäpysäytyksiä käsittelevät osiot sekä kokoonpanokaaviot. Juuri nämä sivut tekoäly muuntaa välittömiksi vastauksiksi, jotka korvaavat manuaaliset haut paperidokumenteista.

Asennusohjelman käyttöliittymä on tavallinen Telegram keskustelu QuestFlow -palvelussa: voit kirjoittaa tai sanella kysymyksesi, liittää kuvan ja saada vastauksen vaiheittaisine vaiheineen.

Mitä on vektorihaku yksinkertaisesti sanottuna?

Tavallinen dokumenttihaku etsii täsmälleen samoja sanoja: jos sanaa "jumissa" ei ole tekstissä, se ei löydä tarvittavaa osiota, vaikka se olisi olemassa eri nimellä. Vektorihaku toimii eri tavalla: dokumentit jaetaan osiin ja muunnetaan niiden merkityksen numeeriseksi esitykseksi. Kun teknikko esittää kysymyksen omin sanoin, järjestelmä etsii merkitykseltään lähimpiä osia. Näin ollen riippumatta siitä, miten kysymys on muotoiltu – "jumissa" tai "ei liiku" – tekoäly löytää tarvittavan osan käyttöoppaasta.

Näin se toimii: kysymyksestä tai kuvasta valmiisiin ohjeisiin

Tekoäly ymmärtää kaiken monimutkaiset kyselyt: perusasetuksista ("Asetin työkappaleen, käytin viivainta – mitä seuraavaksi?") aina vikatilanteisiin. Jos ongelma ilmenee, säätölaite ottaa kuvan komponentista, kirjoittaa muistiin, "miksi se ei toimi", ja saa ohjeet, joissa on erityisiä vaiheita, yleisten neuvojen sijaan internetistä. Säätäjän ei tarvitse tietää tarkkaa komponentin nimeä tai osan numeroa – hän kuvailee ongelman omin sanoin, kuten hän selittäisi sen kollegalle, ja saa vastauksen yrityksen erityisdokumentaation perusteella.

Miksi vastaus ei hämmennä laitemalleja?

Vastaus perustuu kyseisen yrityksen dokumentteihin. Standardoitu kielimalli ilman tällaista tietokantaa voisi sekoittaa ohjeita samankaltaisesta mutta eri koneesta, jolloin asennusoperaattori saisi vaiheita, jotka eivät koske hänen laitteitaan. Vektoritietokanta rajoittaa tekoälyn asiakkaan todellisiin dokumentteihin, estäen sitä sekoittamasta malleja ja esittämästä muiden ihmisten proseduureja omikseen.

Paljonko se maksaa ja kuinka paljon aikaa se säästää?

Tämä oli ensimmäinen tämänkaltainen projektini, joten annoin kohtuullisen arvion: koko projekti maksoi asiakkaalle yhden asennusteknikon kuukausipalkan verran. Takaisinmaksuaika on selvä ilman monimutkaisia laskelmia: uusi työntekijä ei enää odota, että ilmainen asennusteknikko irtautuu koneesta ja selittää asiat maallikkotermein, ja kokeneet asiantuntijat eivät häiriinny toistuvista kysymyksistä yhtä paljon. Tulevaisuuden vastaavat tilaukset ovat yksinkertaisempia ja nopeampia – prosessi on vakiintunut. Uskon, että ajansäästö tulee pienistä asioista: aiemmin vastaavassa tilanteessa henkilön olisi pitänyt etsiä paperikansio ohjeineen tai soittaa kollegalle, mutta nyt he yksinkertaisesti avaavat chatin botin kanssa.

Kenelle tämä tekoälyhakemisto sopii?

Niille, jotka haluavat digitalisoida kaikkien kokeneiden asennusoperaattoreiden tietämyksen ja yhdistää sen yhdeksi hakuteokseksi – ja lakata olemasta riippuvaisia yhden heistä jäädessä eläkkeelle sopimattomalla hetkellä. Tämä sopii kaikille tuotantolaitoksille, joilla on monipuolinen laitekanta: mitä enemmän konemalleja ja mitä harvemmin prosesseja muutetaan, sitä nopeammin tällainen tietokanta maksaa itsensä takaisin. Yhden tai kahden koneen linjalla se on vähemmän käytännöllistä – kokenut asennusoperaattori voi jo seurata kaikkea menettämättä järkeä, mutta kun laitteita on kymmeniä eri valmistajilta, manuaalinen muisti muuttuu hankalaksi.

Kolme merkkiä siitä, että tämä tehtävä sopii sinulle:

1. Uusi työntekijä viettää viikkoja kokeneen säätöasiantuntijan seuratessa sen sijaan, että työskentelisi itsenäisesti.
2. Samat kysymykset asennuksesta ja tyypillisistä vioista toistuvat vuorosta toiseen.
3. Laitteista on olemassa dokumentaatiota, mutta se on hajallaan: osa on paperilla, osa toimittajan PDF-muodossa ja osa on vain pian lomalle tai eläkkeelle jäävän henkilön mielessä.

Jos ainakin yksi piste täsmää, tämä yleensä riittää kattamaan tällaisen pohjan kokoamiskustannukset säätäjien säätämän ajan vuoksi.

Mitä tekemistä 1001site tekoälyllä on tämän kanssa?

Tämä projekti käsittelee tekoälyn työskentelyä todellisen liiketoimintadatan kanssa. 1001site tekoäly käyttää samaa logiikkaa, mutta verkkosivustoille: rakentaja luo verkkosivuston linkkisi tai kuvauksesi perusteella, ja sitten kojelaudan tekoälyavustaja muokkaa sisältöä vastaamaan erityistarpeitasi. Ero on tehtävässä – toinen on työpajan hakemisto ja toinen on asiakkaille tarkoitettu verkkosivusto, mutta "tekoälyn työskentely datasi kanssa" -periaate on sama. Voit kokeilla tätä logiikkaa verkkosivustollasi täällä.

Lähteet

• QuestFlow - palvelu Telegram boteille tekoälyn avulla
• iFixit - yhteisö- ja korjausoppaiden tietokanta
• ManualsLib - käyttöohjeiden ja laitetietolomakkeiden kirjasto
• Julkaisu ja keskustelu Telegram kanavalla

Voit tarkastella Telegram vastaavan tekoälyalustan toimintaa QuestFlow'n analyysissä, jonka päälle tämän projektin botti on rakennettu.

Kysymyksiä ja vastauksia

Mikä on vektoritietokanta yksinkertaisesti sanottuna?

Dokumentit jaetaan fragmentteihin ja tallennetaan, jotta tekoäly löytää oikean fragmentin kysymyksen kontekstin perusteella. Vastaus kootaan yrityksellesi ominaisista dokumenteista, ei mallin yleisestä tietämyksestä.

Onko mahdollista lisätä säätölaitteiden tuntemus, jota ei ole sisällytetty mihinkään ohjeisiin?

Kyllä. Telegram äänimuistiinpanot ja valokuvat sisältyvät myös tietokantaan, ja tekoäly käyttää niitä myöhemmissä vastauksissa yhdessä virallisen dokumentaation kanssa.

Onko työntekijöitä tarpeen kouluttaa työskentelemään tällaisen hakemiston kanssa?

Käyttöliittymä on tavallinen Telegram chat: kirjoitat kysymyksen tekstinä tai äänellä ja liität mukaan kuvan. Koulutus kestää pari minuuttia, eikä erillistä sovellusta tarvitse asentaa.