Jak zachować wiedzę techników: Podręcznik naprawy sprzętu oparty na sztucznej inteligencji

Niemiecki klient zwrócił się z prośbą o digitalizację wiedzy techników fabrycznych: zebranie ustawień i napraw wszystkich urządzeń w jednym podręczniku, który odpowiadałby na pytania w sposób zrozumiały dla człowieka – zwięźle i na temat, własnymi słowami, a nie poprzez odwoływanie się do obszernej instrukcji. Rozwiązaniem okazała się wektorowa baza wiedzy z dokumentacji firmy oraz bot Telegram z nałożoną sztuczną inteligencją.

Co się stało: Zamówienie, o którym nigdy wcześniej nie słyszałem

Nawet nie wiedziałem, że takie projekty są zlecane. Ale klient szybko mnie przekonał: powiedział, że konkurencja już korzysta z baz danych ustawień i napraw opartych na sztucznej inteligencji w produkcji, ale on nie miał takiego podręcznika – wiedza była przechowywana w głowach doświadczonych rzeczoznawców.

Co zrobiliśmy: stworzyliśmy bazę danych zawierającą instrukcje, filmy i sprzęt

Stworzyliśmy wektorową bazę danych całego sprzętu firmy. Skorzystaliśmy z autorskich instrukcji obsługi, filmów instruktażowych YouTube oraz dwóch gotowych usług:

• iFixit to społeczność i baza danych zawierająca instrukcje krok po kroku dotyczące napraw i demontażu, uzupełnione o zdjęcia i wskazówki.
• ManualsLib to jedna z największych, bezpłatnych bibliotek internetowych zawierających oryginalne instrukcje, arkusze danych i schematy w formacie PDF.

Nie była to pojedyncza maszyna, ale cała linia produkcyjna: rozwijanie rolek, nakładanie powłoki, obróbka cieplna, aktywacja laserowa, kontrola jakości i nawijanie gotowego materiału. Każda z tych jednostek ma własną logikę konfiguracji, a przed tym projektem cała wiedza na jej temat była przechowywana w głowach osób pracujących przy linii – nie było możliwości porównywania notatek.

Tak wygląda część tej linii - sprzęt, na temat którego sporządzono podręcznik.

Podstawą bazy danych jest dokumentacja fabryczna: instrukcje obsługi, rozdziały dotyczące przeznaczenia urządzeń, mechanizmów bezpieczeństwa i awaryjnego wyłączania oraz schematy montażowe. To właśnie te strony sztuczna inteligencja przekształca w natychmiastowe odpowiedzi, zastępując ręczne wyszukiwanie w papierowych dokumentach.

Interfejs instalatora to zwykły czat Telegram w usłudze QuestFlow: możesz wpisać lub podyktować swoje pytanie, załączyć zdjęcie i otrzymać odpowiedź z instrukcjami.

Czym w skrócie jest wyszukiwanie wektorowe?

Standardowe wyszukiwanie dokumentów opiera się na dokładnych dopasowaniach słów: jeśli słowo „utknęło” nie występuje w tekście, nie znajdzie poszukiwanego fragmentu, nawet jeśli występuje pod inną nazwą. Wyszukiwanie wektorowe działa inaczej: dokumenty są dzielone na fragmenty i przekształcane w numeryczną reprezentację ich znaczenia. Gdy technik zadaje pytanie własnymi słowami, system wyszukuje fragmenty o najbliższym znaczeniu. Dzięki temu, niezależnie od sformułowania pytania – „utknęło” lub „nie chce się ruszyć” – sztuczna inteligencja znajdzie poszukiwany fragment instrukcji.

Jak to działa: od pytania lub zdjęcia do gotowych instrukcji

Sztuczna inteligencja rozumie zapytania o dowolnej złożoności: od podstawowych ustawień („Umieściłem element obrabiany, przyłożyłem linijkę – co dalej?”) po scenariusze awarii. W przypadku wystąpienia problemu, rzeczoznawca robi zdjęcie komponentu, zapisuje „dlaczego nie działa” i otrzymuje instrukcje z konkretnymi krokami zamiast ogólnych porad z internetu. Rzeczoznawca nie musi znać dokładnej nazwy komponentu ani numeru sekcji – opisuje problem własnymi słowami, tak jak wyjaśniłby go koledze, i otrzymuje odpowiedź opartą na dokumentacji firmowej.

Dlaczego odpowiedź nie wprowadza zamieszania co do modeli urządzeń?

Odpowiedź opiera się na dokumentach danej firmy. Standardowy model języka bez takiej bazy danych mógłby mieszać instrukcje z podobnej, ale innej maszyny, co skutkowałoby tym, że operator konfiguracji otrzymywałby kroki, które nie miałyby zastosowania do jego sprzętu. Baza danych wektorowa ogranicza sztuczną inteligencję do rzeczywistych dokumentów klienta, uniemożliwiając jej mieszanie modeli i błędną interpretację procedur innych osób jako własnych.

Ile to kosztuje i ile czasu oszczędza?

To był mój pierwszy tego typu projekt, więc przedstawiłem uczciwą wycenę: cały projekt kosztował klienta równowartość miesięcznej pensji jednego technika konfiguracyjnego. Korzyści są oczywiste, bez skomplikowanych obliczeń: nowy pracownik nie czeka już na darmowego technika konfiguracyjnego, który odejdzie od maszyny i wytłumaczy wszystko w prosty sposób, a doświadczeni specjaliści są mniej rozproszeni powtarzającymi się pytaniami. Przyszłe podobne zlecenia będą prostsze i szybsze – proces jest już dobrze ugruntowany. Wierzę, że oszczędność czasu wynika z drobnych rzeczy: w podobnej sytuacji pracownik musiałby wcześniej szukać papierowej teczki z instrukcją lub dzwonić do współpracownika, a teraz po prostu otwiera czat z botem.

Dla kogo przeznaczony jest ten katalog AI?

Dla tych, którzy chcą zdigitalizować wiedzę wszystkich doświadczonych operatorów ustawiania i skonsolidować ją w jednym podręczniku – i przestać polegać na tym, że któryś z nich przejdzie na emeryturę w nieodpowiednim momencie. To rozwiązanie sprawdza się w każdym zakładzie produkcyjnym z różnorodną flotą maszyn: im więcej modeli maszyn i im rzadziej zmieniane są procedury, tym szybciej taka baza danych się zwróci. W przypadku linii produkcyjnej składającej się z jednej lub dwóch maszyn jest to mniej praktyczne – doświadczony operator ustawiania może już śledzić wszystko bez utraty kontroli, ale przy dziesiątkach urządzeń różnych producentów, ręczna pamięć staje się nieporęczna.

Trzy oznaki, że to zadanie jest dla Ciebie odpowiednie:

1. Nowy pracownik spędza tygodnie na pracy pod okiem doświadczonego rzeczoznawcy, zamiast pracować samodzielnie.
2. Te same pytania dotyczące konfiguracji i typowych awarii powtarzają się przy każdej zmianie.
3. Sprzęt posiada dokumentację, lecz jest ona rozproszona: część jest na papierze, część w formacie PDF od dostawcy, a część znajduje się wyłącznie w głowie osoby, która wkrótce wyjedzie na urlop lub przejdzie na emeryturę.

Jeśli chociaż jeden punkt się zgadza, zazwyczaj wystarcza to, aby odzyskać koszt montażu takiej podstawy dzięki oszczędności czasu przez montażystów.

Co ma z tym wspólnego sztuczna inteligencja 1001site?

Ten projekt dotyczy sposobu, w jaki sztuczna inteligencja działa z rzeczywistymi danymi biznesowymi. 1001site AI wykorzystuje tę samą logikę, ale w przypadku stron internetowych: kreator tworzy stronę internetową na podstawie linku lub opisu, a następnie asystent AI w panelu administracyjnym edytuje treść, reagując na konkretne potrzeby. Różnica tkwi w zadaniu – jedno to katalog warsztatu, a drugie to strona internetowa dla klientów, ale zasada „sztucznej inteligencji pracującej z Twoimi danymi” jest taka sama. Możesz wypróbować tę logikę na swojej stronie internetowej tutaj.

Źródła

• QuestFlow – usługa dla botów Telegram z AI
• iFixit – społeczność i baza poradników naprawczych
• ManualsLib – biblioteka instrukcji i arkuszy danych sprzętu
• Publikowanie postów i dyskusja na kanale Telegram

Możesz przyjrzeć się, jak działa podobna platforma AI dla Telegram, analizując QuestFlow, na którym zbudowano bota w tym projekcie.

Pytania i odpowiedzi

Czym w skrócie jest baza wiedzy wektorowej?

Dokumenty są dzielone na fragmenty i przechowywane, aby sztuczna inteligencja mogła znaleźć odpowiedni fragment na podstawie kontekstu pytania. Odpowiedź jest kompilowana z dokumentów specyficznych dla Twojej firmy, a nie z ogólnej wiedzy modelu.

Czy jest możliwe dodanie wiedzy rzeczoznawców, której nie ma w żadnej instrukcji?

Tak. Notatki głosowe i zdjęcia z Telegram również znajdują się w bazie danych, a sztuczna inteligencja wykorzystuje je w kolejnych odpowiedziach wraz z oficjalną dokumentacją.

Czy konieczne jest szkolenie pracowników w zakresie korzystania z takiego katalogu?

Interfejs przypomina standardowy czat Telegram: wpisujesz pytanie tekstowe lub głosowe i dołączasz zdjęcie. Szkolenie trwa kilka minut i nie wymaga instalowania specjalnej aplikacji.