Kaip išsaugoti savo technikų žinias: dirbtiniu intelektu paremtos įrangos remonto vadovas

Vokiečių klientas paprašė suskaitmeninti gamyklos technikų žinias: surinkti visų įrenginių nustatymus ir remonto informaciją į vieną žinyną, kuris atsakytų į klausimus žmonėms suprantama kalba – glaustai ir aiškiai, jų pačių žodžiais, o ne remiantis storu vadovu. Sprendimas buvo vektorinė žinių bazė iš įmonės dokumentacijos ir Telegram robotas su dirbtiniu intelektu.

Kas nutiko: Užsakymas, apie kurį anksčiau nebuvau girdėjęs

Net nežinojau, kad tokie projektai yra užsakomi. Tačiau klientas mane greitai įtikino: jis teigė, kad konkurentai jau naudoja dirbtinio intelekto valdomas nustatymų ir remontų duomenų bazes gamyboje, bet jis neturėjo tokios informacinės knygos – žinios buvo saugomos patyrusių derintojų galvose.

Ką mes padarėme: sudarėme instrukcijų, vaizdo įrašų ir įrangos duomenų bazę

Sudarėme vektorinę visos įmonės įrangos duomenų bazę. Naudojome patentuotus vadovus, YouTube mokomuosius vaizdo įrašus ir dvi jau paruoštas paslaugas:

• „iFixit“ yra bendruomenė ir duomenų bazė, kurioje pateikiami nuoseklūs remonto ir išardymo vadovai su nuotraukomis ir patarimais.
• „ManualsLib“ yra viena didžiausių nemokamų internetinių bibliotekų, kurioje gausu originalių vadovų, duomenų lapų ir schemų PDF formatu.

Tai nebuvo viena mašina, o visa gamybos linija: ritinėlių išvyniojimas, dangų užtepimas, terminis apdorojimas, lazerinis sluoksnių aktyvinimas, kokybės kontrolė ir gatavos medžiagos vyniojimas. Kiekvienas iš šių įrenginių turi savo sąrankos logiką, o iki šio projekto visos žinios apie jį buvo saugomos linijoje dirbančių žmonių galvose – nebuvo jokio būdo palyginti savo patirties.

Štai kaip atrodo šios linijos dalis – įranga, kuriai buvo sudarytas informacinis leidinys.

Duomenų bazės pagrindą sudaro gamyklos dokumentai: naudojimo instrukcijos, skyriai apie įrangos paskirtį, saugos mechanizmus ir avarinį išjungimą bei surinkimo schemos. Būtent šiuos puslapius dirbtinis intelektas transformuoja į momentinius atsakymus, pakeisdamas rankinę paiešką popieriniuose dokumentuose.

Diegimo programos sąsaja yra įprastas Telegram pokalbis „QuestFlow“ paslaugoje: galite įvesti arba padiktuoti savo klausimą, pridėti nuotrauką ir gauti atsakymą su žingsniais.

Kas yra vektorinė paieška paprastais žodžiais?

Standartinė dokumentų paieška ieško tikslių žodžių atitikmenų: jei žodžio „įstrigęs“ tekste nėra, ji neras reikiamos dalies, net jei ji egzistuoja kitu pavadinimu. Vektorinė paieška veikia kitaip: dokumentai suskirstomi į fragmentus ir paverčiami skaitmeniniu jų reikšmės atvaizdavimu. Kai technikas užduoda klausimą savais žodžiais, sistema ieško fragmentų, kurie yra arčiausiai reikšmės. Todėl, nesvarbu, kaip klausimas suformuluotas – „įstrigęs“ ar „nejuda“ – dirbtinis intelektas ras reikiamą vadovo dalį.

Kaip tai veikia: nuo klausimo ar nuotraukos iki paruoštų instrukcijų

Dirbtinis intelektas supranta bet kokio sudėtingumo užklausas: nuo pagrindinių nustatymų („Padėjau ruošinį, pritaikiau liniuotę – kas toliau?“) iki gedimų scenarijų. Jei iškyla problema, reguliuotojas nufotografuoja komponentą, užrašo, „kodėl jis neveikia“, ir gauna instrukcijas su konkrečiais žingsniais, o ne bendrus patarimus iš interneto. Reguliuotojui nereikia žinoti tikslaus komponento pavadinimo ar sekcijos numerio – jis apibūdina problemą savais žodžiais, kaip paaiškintų ją kolegai, ir gauna atsakymą, pagrįstą konkrečia įmonės dokumentacija.

Kodėl atsakymas nesupainioja įrangos modelių?

Atsakymas pagrįstas tos konkrečios įmonės dokumentais. Standartinis kalbos modelis be tokios duomenų bazės galėtų sumaišyti instrukcijas iš panašios, bet skirtingos mašinos, todėl sąrankos operatorius gautų veiksmus, kurie netaikomi jo įrangai. Vektorinė duomenų bazė apriboja dirbtinį intelektą iki faktinių kliento dokumentų, neleisdama jam sumaišyti modelių ir klaidingai pateikti kitų žmonių procedūrų kaip savo.

Kiek tai kainuoja ir kiek laiko sutaupo?

Tai buvo mano pirmas toks projektas, todėl pateikiau teisingą įvertinimą: visas projektas klientui kainavo tiek, kiek vieno sąrankos techniko mėnesinis atlyginimas. Atsipirkimas aiškus be sudėtingų skaičiavimų: naujam darbuotojui nebereikia laukti, kol laisvas sąrankos technikas atitrūks nuo mašinos ir paaiškins viską paprasta kalba, o patyrę specialistai mažiau blaškosi pasikartojančiais klausimais. Panašūs užsakymai ateityje bus paprastesni ir greitesni – procesas yra gerai žinomas. Manau, kad laiko taupymas atsiranda dėl smulkmenų: panašioje situacijoje anksčiau žmogui tekdavo ieškoti popierinio aplanko su instrukcijomis arba skambinti kolegai, o dabar jis tiesiog atidaro pokalbį su robotu.

Kam tinka šis dirbtinio intelekto katalogas?

Tiems, kurie nori suskaitmeninti visų patyrusių sąrankos operatorių žinias ir sujungti jas į vieną informacinį leidinį – ir nebepriklausyti nuo to, ar vienas iš jų išeis į pensiją netinkamu metu. Tai tinka bet kuriai gamybos įmonei, turinčiai įvairų įrangos parką: kuo daugiau mašinų modelių ir kuo rečiau keičiamos procedūros, tuo greičiau tokia duomenų bazė atsiperka. Vienos ar dviejų mašinų linijai tai mažiau praktiška – patyręs sąrankos operatorius jau gali viską sekti neprarasdamas informacijos, tačiau kai yra dešimtys skirtingų gamintojų įrangos, rankinis atminties valdymas tampa sudėtingas.

Trys požymiai, kad ši užduotis jums tinka:

1. Naujas darbuotojas kelias savaites seka patyrusiu specialistu, užuot dirbęs savarankiškai.
2. Tie patys klausimai apie sąranką ir tipinius gedimus kartojasi nuo pamainos iki pamainos.
3. Įrangos dokumentacija yra, bet ji išmėtyta: dalis – popieriuje, dalis – PDF formatu iš tiekėjo, o dalis – tik to žmogaus, kuris netrukus išeis atostogauti ar išeis į pensiją, galvoje.

Jei bent vienas taškas sutampa, to paprastai pakanka, kad atsipirktų tokios bazės surinkimo išlaidos dėl reguliuotojų sutaupyto laiko.

Ką su tuo turi bendro 1001site dirbtinis intelektas?

Šis projektas yra apie tai, kaip dirbtinis intelektas (DI) veikia su realiais verslo duomenimis. 1001site DI naudoja tą pačią logiką, tačiau svetainėms: kūrimo priemonė sukuria svetainę pagal jūsų nuorodą ar aprašymą, o tada ataskaitų srities DI asistentas redaguoja turinį, atsižvelgdamas į jūsų konkrečius poreikius. Skirtumas yra užduotyje – vienas yra dirbtuvių katalogas, o kitas – klientų svetainė, tačiau principas „DI dirba su jūsų duomenimis“ yra tas pats. Šią logiką galite išbandyti savo svetainėje čia.

Šaltiniai

• „QuestFlow“ – paslauga Telegram robotams su dirbtiniu intelektu
• „iFixit“ – bendruomenės ir remonto gidų duomenų bazė
• „ManualsLib“ – vadovų ir įrangos duomenų lapų biblioteka
• Įrašas ir diskusija Telegram kanale

Galite pažvelgti, kaip veikia panaši dirbtinio intelekto platforma, skirta Telegram, analizuodami „QuestFlow“, ant kurios ir sukurtas šio projekto robotas.

Klausimai ir atsakymai

Kas yra vektorinė žinių bazė paprastais žodžiais?

Dokumentai suskaidomi į fragmentus ir saugomi taip, kad dirbtinis intelektas galėtų rasti tinkamą fragmentą pagal klausimo kontekstą. Atsakymas sudaromas iš jūsų įmonei būdingų dokumentų, o ne iš bendrų modelio žinių.

Ar galima pridėti reguliuotojų žinias, kurios nėra įtrauktos į jokias instrukcijas?

Taip. Į duomenų bazę taip pat įtraukiami balso užrašai ir nuotraukos iš Telegram, o dirbtinis intelektas juos naudoja vėlesniuose atsakymuose kartu su oficialia dokumentacija.

Ar būtina apmokyti darbuotojus dirbti su tokiu katalogu?

Sąsaja yra standartinė Telegram pokalbių programa: įvedate klausimą tekstu arba balsu ir pridedate nuotrauką. Mokymai trunka kelias minutes ir nereikia diegti specialios programėlės.