OpenAI

۱۸ آبان ۱۴۰۵

صنایع کوکن در چند دقیقه نقشه‌های ۷۰ سال را جستجو می‌کند

مهندسان کوکن با ابزاری مبتنی بر API شرکت OpenAI، نقشه قطعه جایگزین را به‌جای نزدیک به یک ساعت، در ۴٫۵ دقیقه پیدا می‌کنند.

اندازه شرکت: کسب‌وکارهای کوچک و متوسط
منطقه: آسیا و اقیانوسیه
صنعت: تولید
محصولات: API

۹۰٪

کاهش پیش‌بینی‌شده در ساعات صرف‌شده برای جستجوی نقشه‌ها در هر سال

۴٫۵ دقیقه

زمان یافتن نقشه، که قبلاً نزدیک به یک ساعت بود

صنایع کوکن تجهیزات تهویه مطبوع و تهویه هوا برای ساختمان‌های بزرگ، مراکز خرید و کارخانه‌ها تولید می‌کند. این شرکت یکی از بزرگ‌ترین سهم‌ها را در بازار برج‌های خنک‌کننده ژاپن دارد. این برج‌ها گرمای آب در گردش را به هوا منتقل می‌کنند و به خنک‌سازی موارد گوناگون، از ساختمان‌های بزرگ و مراکز خرید گرفته تا تجهیزات مراکز داده، کمک می‌کنند.

وقتی قطعه‌ای از یک برج خنک‌کننده نیاز به تعویض دارد، مهندسان کوکن به آرشیوی از نقشه‌ها مراجعه می‌کنند که ۷۰ سال سابقه نصب تجهیزات را در بر می‌گیرد. مهندسان تازه‌کار برای پیدا کردن نقشه درست اغلب ناچار بودند از همکاران باتجربه بپرسند کجا دنبالش بگردند و چطور آن را بخوانند. کوکن می‌خواست مهندسان تازه‌کار بتوانند خودشان این سوابق را پیدا کنند، از تصمیم‌های ثبت‌شده در آن‌ها بیاموزند و وقت بیشتری را صرف یافتن روش انجام تعمیر کنند.

تابلوی کوکن روی نمای بیرونی یک ساختمان صنعتی سفیدرنگ.
کارگری در سالن تولید کارخانه کوکن قطعات را مونتاژ می‌کند.

یافتن قطعه جایگزین سازگار با تجهیزات نصب‌شده اولیه

قطعاتی که امروز ساخته می‌شوند همیشه با برج‌های خنک‌کننده قدیمی سازگار نیستند. بدون نقشه اصلی که نشان دهد چه تجهیزاتی نصب شده است، ممکن است مهندسان مجبور شوند قطعه جایگزین را از صفر طراحی و تولید کنند.

جستجو بر اساس مدل یا نام قطعه ممکن است چندین نقشه را نشان دهد. کوکن در بیش از ۷۰ سال فعالیت، تجهیزات خود را با نیازهای هر مشتری تطبیق داده است؛ بنابراین مشخصات تجهیزات بسته به مشتری و تاریخ نصب متفاوت است. زمانی که آرشیو کاغذی بود، هر جستجو ممکن بود نصف روز طول بکشد. کوکن بعدها آرشیو را دیجیتالی کرد، اما مهندسان همچنان باید می‌دانستند چه نام یا شماره‌ای را جستجو کنند و فایل را کجا پیدا کنند. به‌ویژه مهندسان تازه‌کار برای کنار هم گذاشتن این جزئیات وقت صرف می‌کردند.

انتخاب مدل‌هایی که بتوانند نقشه‌های کوکن را بخوانند

کوکن می‌خواست مهندسان با هر میزان تجربه بتوانند به‌تنهایی در آرشیو جستجو کنند. کوکن هنگام بررسی اینکه هوش مصنوعی چگونه می‌تواند کمک کند، با Recursive، استارتاپ ژاپنی هوش مصنوعی و شریک رسمی OpenAI، ارتباط برقرار کرد.

این دو شرکت با تکیه بر آرشیو کوکن و نظرات مهندسان آن، سامانه جستجو و برنامه همراه آن برای استفاده در محل کار را با همکاری هم ساختند. آن‌ها چند مدل هوش مصنوعی را روی مجموعه‌ای از نقشه‌ها آزمایش کردند تا ببینند هرکدام با چه دقت و هزینه‌ای می‌تواند جزئیات را استخراج کند. مدل‌های OpenAI از هر دو نظر عملکرد خوبی داشتند و API شرکت OpenAI انعطاف لازم را به تیم داد تا قابلیت جستجو را مستقیماً در برنامه بگنجاند.

فردی با کت‌وشلوار در کنار گیاهان آپارتمانی نشسته و صحبت می‌کند.

جستجو با شماره قطعه یا تصویر صفحه

شیوه کار ابزار جستجو بر پایه گفتگو با مهندسان عملیاتی شکل گرفت. مهندسان می‌توانند شماره نقشه یا قطعه را وارد کنند، یا تصویر یا فایل PDF نقشه یا فهرست قطعات را بارگذاری کنند.

با جای‌گذاری تصویر صفحه از فهرست، دیگر نیازی نیست مهندسان تک‌تک شماره‌ها را دستی وارد کنند. برنامه شماره قطعات را می‌خواند و موارد احتمالاً منطبق، از جمله نقشه‌های طرح‌های مشابه را نمایش می‌دهد. مهندسان برای یافتن نقشه درست، مشخصات برج و سوابق تعویض قطعات را بررسی می‌کنند.

کوکن نتایج زیر را از استفاده و آزمایش ابزار جستجو گزارش کرده است.

  • کوکن انتظار دارد این ابزار ساعات صرف‌شده برای جستجوی نقشه‌ها را در طول یک سال حدود ۹۰٪ کاهش دهد.

  • مهندسان باتجربه بخشی از زمان آزادشده را صرف راهنمایی همکاران تازه‌کار می‌کنند.

  • مهندسان می‌توانند نقشه‌ها را در برنامه بررسی کنند و هزینه‌های چاپ را کاهش دهند.

مهندسان تازه‌کار کارهای بیشتری را مستقل انجام می‌دهند

حالا مهندسان زمان کمتری را صرف پیدا کردن نقشه و زمان بیشتری را صرف مطالعه آن می‌کنند. هم مهندسان تازه‌کار و هم باتجربه‌ها می‌گویند این تغییر به آن‌ها فرصت می‌دهد به بهبود طراحی فکر کنند و ایده‌هایی را بررسی کنند که پیش‌تر وقت چندانی برای پیگیری‌شان نداشتند.

مهندسان تازه‌کار اکنون می‌توانند طیف گسترده‌تری از کارها را به‌تنهایی انجام دهند. همکاران باتجربه که قبلاً در هر جستجو آن‌ها را راهنمایی می‌کردند، اکنون وقت بیشتری برای آموزش و انجام کارهای مهندسی خود دارند.

«حالا کارکنان فرصت دارند کارهایی را که دوست داشتند امتحان کنند انجام دهند و چالش‌های تازه‌ای را بپذیرند. این واقعاً به آن‌ها انگیزه داده است.»
—تاکاتسوگو ناراکی، مدیر ارشد و مدیر کارخانه، صنایع کوکن
دو کارگر با هم نقشه‌های مهندسی چاپ‌شده را بررسی می‌کنند.
کارگری در کارخانه‌ای با تجهیزات و لوله‌کشی سقفی راه می‌رود.

گسترش کاربرد هوش مصنوعی به بررسی نقشه‌ها

کوکن همچنین در حال توسعه ابزاری برای بررسی نقشه‌های تهیه‌شده توسط شرکای خود است. در حال حاضر، مهندسان هر نقشه را به‌صورت چشمی با مشخصات تطبیق می‌دهند و به دنبال جزئیات یا مقادیر نامنطبق می‌گردند. کوکن می‌خواهد این ابزار تفاوت‌ها را مشخص کند تا مهندسان بتوانند نقشه‌ها را سریع‌تر بررسی کنند و خطاهایی را بیابند که ممکن است در غیر این صورت از چشمشان پنهان بماند.

به گفته کوکن، در آزمایش نمونه اولیه، حدود ۹۰٪ از مواردی که هوش مصنوعی مشخص کرده بود واقعاً مغایرت داشتند. کوکن انتظار دارد در صورت به‌کارگیری عملیاتی این ابزار، زمانی که مهندسان صرف بررسی نقشه‌ها می‌کنند به‌طور چشمگیری کاهش یابد.

هر نقشه تصمیم‌هایی را ثبت می‌کند که یک مهندس برای نصب مشخصی گرفته است. کوکن می‌خواهد با آسان‌تر کردن یافتن و درک این تصمیم‌ها، آن تجربه را به نسل بعدی مهندسان منتقل کند.

«معتقدم فناوری OpenAI می‌تواند به تولیدکنندگانی مثل ما کمک کند مهارت‌ها را به نسل بعد منتقل کنیم. این موضوع مدت‌هاست برای ما یک چالش بوده است.»
—تاکاتسوگو ناراکی، مدیر ارشد و مدیر کارخانه، صنایع کوکن

به عصر جدید کار بپیوندید

بیش از ۱ میلیون کسب‌وکار در سراسر جهان با OpenAI به نتایج معنا داری دست یافته‌اند.