Kuken Industries søger i 70 års tegninger på få minutter
Kukens ingeniører bruger et værktøj bygget på OpenAI API til at finde tegningen til en reservedel på 4,5 minutter mod før næsten en time.
90 %
Forventet reduktion i det årlige tidsforbrug på at søge efter tegninger
4,5 min.
Tid til at finde en tegning mod før næsten en time
Kuken Industries fremstiller aircondition- og ventilationsudstyr til store bygninger, indkøbscentre og fabrikker. Virksomheden har en af de største andele af det japanske marked for køletårne. Disse tårne afgiver varme fra cirkulerende vand til luften og hjælper dermed med at køle alt fra store bygninger og indkøbscentre til udstyr i datacentre.
Når en del i et køletårn skal udskiftes, søger Kukens ingeniører i et tegningsarkiv, der dækker 70 års installationer. For en nyere ingeniør betød det ofte, at en erfaren kollega måtte hjælpe med at finde den rigtige tegning og forklare, hvordan den skulle læses. Kuken ønskede, at nyere ingeniører selv kunne finde dokumentationen, lære af de beslutninger, den afspejler, og bruge mere tid på at finde ud af, hvordan reparationen skulle udføres.


Dele, der fremstilles i dag, passer ikke altid til ældre køletårne. Uden den oprindelige tegning, der viser, hvad der blev installeret, kan ingeniørerne være nødt til at konstruere og fremstille en reservedel fra bunden.
En søgning på model- eller delnavn kan give flere tegninger som resultat. I mere end 70 år har Kuken tilpasset sit udstyr til den enkelte kunde, så specifikationerne varierer efter kunde og installationsdato. Da arkivet var på papir, kunne en søgning tage en halv dag. Kuken digitaliserede senere arkivet, men ingeniørerne skulle stadig vide, hvilket navn eller nummer de skulle slå op, og hvor filen lå. Især nyere ingeniører brugte tid på at stykke de oplysninger sammen.
Kuken ønskede, at ingeniører uanset erfaring kunne søge i arkivet på egen hånd. Mens Kuken undersøgte, hvordan AI kunne hjælpe, kom virksomheden i kontakt med Recursive, en japansk AI-startup og officiel OpenAI-partner.
De to virksomheder udviklede sammen søgesystemet og den tilhørende app til brug i felten med udgangspunkt i Kukens arkiv og input fra virksomhedens ingeniører. De testede flere AI-modeller på en række tegninger for at se, hvor præcist hver model kunne udtrække detaljer, og hvad det kostede. OpenAI's modeller klarede sig godt på begge parametre, og OpenAI API gav teamet fleksibilitet til at bygge søgefunktionen direkte ind i appen.

Samtaler med ingeniører i felten var med til at forme søgefunktionen. Ingeniørerne kan indtaste et tegnings- eller delnummer eller uploade et billede eller en PDF af en tegning eller stykliste.
Ved at indsætte et skærmbillede af listen slipper ingeniørerne for at indtaste hvert nummer manuelt. Appen læser delnumrene og viser mulige match, herunder tegninger af lignende konstruktioner. For at finde den rigtige tegning tjekker ingeniørerne tårnets specifikationer og dokumentation for tidligere udskiftninger.
Kuken rapporterer følgende resultater fra brug og test af søgeværktøjet.
Kuken forventer, at værktøjet vil reducere det årlige tidsforbrug på at søge efter tegninger med omkring 90 %.
Erfarne ingeniører bruger noget af den sparede tid på at vejlede nyere kolleger.
Ingeniørerne kan gennemgå tegninger i appen, hvilket reducerer udgifterne til udskrivning.
Ingeniørerne bruger nu mindre tid på at lede efter en tegning og mere tid på at studere den. Både nyere og erfarne ingeniører fortæller, at det giver dem plads til at overveje forbedringer af konstruktionen og udforske idéer, som de tidligere havde begrænset tid til at arbejde med.
Nyere ingeniører kan nu klare flere forskellige opgaver på egen hånd. Erfarne kolleger, som før hjalp dem gennem hver søgning, har nu mere tid til at undervise og løse deres egne ingeniøropgaver.
”Medarbejderne har nu tid til at prøve opgaver, de har haft lyst til, og tage nye udfordringer op. Det har virkelig givet dem motivation.”


Kuken udvikler også et værktøj til at kontrollere tegninger udarbejdet af virksomhedens partnere. I dag sammenholder ingeniørerne hver tegning med specifikationerne ved visuel kontrol og leder efter detaljer eller mængder, der ikke stemmer. Kuken ønsker, at værktøjet skal markere disse forskelle, så ingeniørerne hurtigere kan gennemgå tegningerne og opdage fejl, de ellers kunne overse.
Ifølge Kuken var omkring 90 % af de problemer, som AI markerede under test af prototypen, reelle afvigelser. Hvis værktøjet sættes i drift, forventer Kuken, at det vil reducere den tid, ingeniørerne bruger på at kontrollere tegninger, betydeligt.
Hver tegning dokumenterer de beslutninger, en ingeniør har truffet for en bestemt installation. Ved at gøre det lettere at finde og forstå disse beslutninger vil Kuken give erfaringen videre til næste generation af ingeniører.
”Jeg tror, at OpenAI's teknologi kan hjælpe producenter som os med at give færdigheder videre til næste generation. Det har længe været en udfordring for os.”


