Hur du bevarar dina teknikers kunskaper: En AI-baserad handbok för reparation av utrustning

En tysk kund bad om att digitalisera fabriksteknikernas kunskap: att sammanställa inställningar och reparationer för all utrustning i en enda referensbok som skulle besvara frågor på ett lättläst sätt – koncist och rakt på sak, med deras egna ord, snarare än genom att hänvisa till en tjock manual. Lösningen var en vektorbaserad kunskapsbas från företagets dokumentation, plus Telegram bot med AI ovanpå.

Vad som hände: En order jag aldrig hade hört talas om förut

Jag visste inte ens att sådana projekt beställdes. Men kunden övertygade mig snabbt: han sa att konkurrenter redan använde AI-drivna databaser över inställningar och reparationer i produktionen, men han hade ingen sådan referensbok – kunskapen fanns lagrad i huvudet på erfarna justerare.

Vad vi gjorde: sammanställde en databas med instruktioner, videor och utrustning

Vi sammanställde en vektordatabas över all företagets utrustning. Vi använde patentskyddade manualer, YouTube instruktionsvideor och två färdiga tjänster:

• iFixit är en community och databas med steg-för-steg-guider för reparation och demontering, kompletta med foton och tips.
• ManualsLib är ett av de största kostnadsfria onlinebiblioteken med originalmanualer, datablad och scheman i PDF-format.

Det här var inte bara en enda maskin, utan en hel produktionslinje: rullavlindning, beläggningsapplicering, värmebehandling, laseraktivering av lager, kvalitetskontroll och lindning av det färdiga materialet. Var och en av dessa enheter har sin egen installationslogik, och före det här projektet lagrades all kunskap om den i huvudet på de personer som arbetade på linjen – det fanns inget sätt att jämföra anteckningar.

Så här ser en del av den här linjen ut – utrustningen som referensboken sammanställdes för.

Grunden för databasen är fabriksdokumentation: bruksanvisningar, avsnitt om utrustningens syfte, säkerhetsmekanismer och nödavstängning samt monteringsscheman. Det är dessa sidor som AI:n omvandlar till omedelbara svar och ersätter manuella sökningar genom pappersdokument.

Gränssnittet för installationsprogrammet är en vanlig Telegram chatt på QuestFlow -tjänsten: du kan skriva eller diktera din fråga, bifoga ett foto och få ett svar med steg.

Vad är vektorsökning, enkelt uttryckt?

En vanlig dokumentsökning letar efter exakta ordträffar: om ordet "fastnat" inte finns i texten hittar den inte det önskade avsnittet, även om det finns under ett annat namn. Vektorsökning fungerar annorlunda: dokument bryts ner i fragment och omvandlas till en numerisk representation av deras betydelse. När en tekniker ställer en fråga med sina egna ord söker systemet efter fragment som är närmast varandra i betydelse. Därför, oavsett hur frågan är formulerad – "fastnat" eller "kommer inte att röra sig" – kommer AI:n att hitta det önskade avsnittet i manualen.

Så fungerar det: från en fråga eller ett foto till färdiga instruktioner

AI förstår frågor av alla komplexiteter: från grundläggande inställningar ("Jag placerade arbetsstycket, använde en linjal – vad händer nu?") till haveriscenarier. Om ett problem uppstår tar justeraren ett foto av komponenten, skriver ner "varför den inte fungerar" och får instruktioner med specifika steg istället för allmänna råd från internet. Justeraren behöver inte veta det exakta komponentnamnet eller sektionsnumret – de beskriver problemet med sina egna ord, som de skulle förklara det för en kollega, och får ett svar baserat på företagets specifika dokumentation.

Varför förvirrar inte svaret utrustningsmodeller?

Svaret baseras på dokumenten från det specifika företaget. En standardspråkmodell utan en sådan databas skulle kunna blanda in instruktioner från en liknande men annan maskin, vilket resulterar i att installationsoperatören får steg som inte gäller för deras utrustning. En vektordatabas begränsar AI:n till kundens faktiska dokument, vilket förhindrar att den blandar modeller och felaktigt framställer andras procedurer som sina egna.

Hur mycket kostar det och hur mycket tid sparar det?

Detta var mitt första projekt av den här typen, så jag gav en rimlig uppskattning: hela projektet kostade kunden motsvarande en månadslön för en installationstekniker. Återbetalningen är tydlig utan komplicerade beräkningar: en nyanställd väntar inte längre på att en ledig installationstekniker ska slita sig loss från maskinen och förklara saker på ett enkelt sätt, och erfarna specialister blir mindre distraherade av repetitiva frågor. Framtida liknande beställningar kommer att vara enklare och snabbare – processen är väletablerad. Jag tror att tidsbesparingarna kommer från de små sakerna: i en liknande situation skulle en person tidigare behöva leta efter en papperspärm med instruktioner eller ringa en kollega, men nu öppnar de helt enkelt en chatt med boten.

Vem är den här AI-katalogen lämplig för?

För dig som vill digitalisera kunskapen hos alla erfarna uppställningsoperatörer och konsolidera den till en enda referensbok – och sluta förlita dig på att en av dem går i pension vid ett olämpligt tillfälle. Detta är lämpligt för alla produktionsanläggningar med en varierad utrustningsflotta: ju fler maskinmodeller och ju mer sällan procedurer ändras, desto snabbare betalar sig en sådan databas. För en linje med en eller två maskiner är det mindre praktiskt – en erfaren uppställningsoperatör kan redan hålla koll på allt utan att tappa koll, men när det finns dussintals utrustningar från olika tillverkare blir det manuella minnet otympligt.

Tre tecken på att den här uppgiften är rätt för dig:

1. En nyanställd tillbringar veckor med att följa en erfaren justerare istället för att arbeta självständigt.
2. Samma frågor om installation och typiska haverier upprepas från skift till skift.
3. Det finns dokumentation för utrustningen, men den är spridd: en del finns på papper, en del i PDF-format från leverantören, och en del finns bara i huvudet på den person som snart ska åka på semester eller gå i pension.

Om minst en punkt matchar räcker detta vanligtvis för att täcka kostnaden för att montera en sådan bas på grund av den tid som justerarna sparar.

Vad har 1001site AI med detta att göra?

Det här projektet handlar om hur AI arbetar med verklig affärsdata. 1001site AI använder samma logik, men för webbplatser: byggaren skapar en webbplats baserat på din länk eller beskrivning, och sedan redigerar instrumentpanelens AI-assistent innehållet och svarar på dina specifika behov. Skillnaden ligger i uppgiften – den ena är en katalog för en verkstad och den andra är en webbplats för kunder, men principen för "AI som arbetar med dina data" är densamma. Du kan prova den här logiken på din webbplats här.

Källor

• QuestFlow – en tjänst för Telegram botar med AI
• iFixit - community- och reparationsguidedatabas
• ManualsLib - ett bibliotek med manualer och datablad för utrustning
• Inlägg och diskussion i Telegram kanalen

Du kan ta en titt på hur en liknande AI-plattform för Telegram fungerar i analysen av QuestFlow, vilket är vad boten för det här projektet bygger på.

Frågor och svar

Vad är en vektorkunskapsbas, enkelt uttryckt?

Dokument bryts upp i fragment och lagras så att AI:n kan hitta rätt fragment baserat på frågans kontext. Svaret sammanställs från dokument som är specifika för ditt företag, inte från modellens allmänna kunskap.

Är det möjligt att lägga till kunskap om justerare som inte ingår i några instruktioner?

Ja. Röstmeddelanden och foton från Telegram ingår också i databasen, och AI:n använder dem i efterföljande svar tillsammans med officiell dokumentation.

Är det nödvändigt att utbilda anställda i att arbeta med en sådan katalog?

Gränssnittet är en vanlig Telegram chatt: du skriver en fråga i text eller röstmeddelande och bifogar ett foto. Utbildningen tar ett par minuter och du behöver inte installera en speciell app.