Kuken Industries søker i 70 år med tegninger på få minutter
Kukens ingeniører bruker et verktøy bygget på OpenAI API til å finne tegningen til en reservedel på 4,5 minutter, mot nesten en time tidligere.
90 %
Forventet reduksjon i timer brukt på å lete etter tegninger hvert år
4,5 min
Tid brukt på å finne en tegning, mot nesten en time tidligere
Kuken Industries produserer klimaanlegg og ventilasjonsutstyr til store bygninger, kjøpesentre og fabrikker. Selskapet har en av de største andelene av Japans marked for kjøletårn. Disse tårnene overfører varme fra sirkulerende vann til luften og bidrar til å kjøle ned alt fra store bygninger og kjøpesentre til utstyr i datasentre.
Når et kjøletårn trenger en reservedel, bruker Kukens ingeniører et tegningsarkiv som dekker 70 år med installasjoner. For en mindre erfaren ingeniør innebar det å finne riktig tegning ofte å spørre en erfaren kollega om hvor man skulle lete, og hvordan tegningen skulle leses. Kuken ønsket at mindre erfarne ingeniører skulle kunne finne dokumentasjonen selv, lære av beslutningene den gjenspeiler, og bruke mer tid på å finne ut hvordan reparasjonen skulle utføres.


Deler som produseres i dag, passer ikke alltid til eldre kjøletårn. Uten den opprinnelige tegningen som viser hva som ble installert, kan ingeniørene bli nødt til å konstruere og produsere en reservedel fra bunnen av.
Et søk på modell- eller delenavn kan gi treff på flere tegninger. Gjennom mer enn 70 år har Kuken tilpasset utstyret til hver enkelt kunde, så spesifikasjonene varierer med kunde og installasjonsdato. Da arkivet var på papir, kunne et søk ta en halv dag. Kuken digitaliserte senere arkivet, men ingeniørene måtte fortsatt vite hvilket navn eller nummer de skulle søke etter, og hvor de kunne finne filen. Særlig de mindre erfarne ingeniørene brukte tid på å samle disse opplysningene.
Kuken ønsket at ingeniører på alle erfaringsnivåer skulle kunne søke i arkivet på egen hånd. Da Kuken undersøkte hvordan AI kunne hjelpe, kom selskapet i kontakt med Recursive, en japansk AI-oppstartsbedrift og offisiell OpenAI-partner.
De to selskapene utviklet søkesystemet og den tilhørende appen for bruk i felten sammen, med utgangspunkt i Kukens arkiv og innspill fra ingeniørene. De testet flere AI-modeller på ulike tegninger for å se hvor nøyaktig hver modell kunne hente ut detaljer, og til hvilken kostnad. Modellene fra OpenAI gjorde det godt på begge områder, og OpenAI API ga teamet fleksibiliteten til å bygge søkefunksjonen direkte inn i appen.

Samtaler med ingeniører i felten var med på å forme søkefunksjonen. Ingeniørene kan skrive inn et tegnings- eller delenummer, eller laste opp et bilde eller en PDF av en tegning eller deleliste.
Ved å lime inn et skjermbilde av listen slipper ingeniørene å skrive inn hvert nummer for hånd. Appen leser delenumrene og viser mulige treff, inkludert tegninger av lignende konstruksjoner. For å finne riktig tegning sjekker ingeniørene tårnets spesifikasjoner og dokumentasjonen fra tidligere utskiftinger.
Kuken rapporterer følgende resultater fra bruk og testing av søkeverktøyet.
Kuken forventer at verktøyet vil redusere tiden brukt på å lete etter tegninger med rundt 90 % i løpet av et år.
Erfarne ingeniører bruker noe av tiden de sparer, på å veilede mindre erfarne kolleger.
Ingeniørene kan se gjennom tegninger i appen, noe som reduserer utskriftskostnadene.
Ingeniørene bruker nå mindre tid på å lete etter en tegning og mer tid på å studere den. Både mindre erfarne ingeniører og veteraner sier at det gir dem rom til å vurdere forbedringer av konstruksjonen og utforske ideer de tidligere hadde lite tid til å følge opp.
Mindre erfarne ingeniører kan nå håndtere et bredere spekter av oppgaver på egen hånd. Erfarne kolleger som tidligere veiledet dem gjennom hvert søk, har mer tid til opplæring og egne ingeniøroppgaver.
«Nå har folk tid til å prøve arbeidsoppgaver de har hatt lyst til å ta fatt på, og til å ta på seg nye utfordringer. Det har vært en stor kilde til motivasjon.»


Kuken utvikler også et verktøy for å kontrollere tegninger utarbeidet av samarbeidspartnerne. I dag sammenligner ingeniørene hver tegning med spesifikasjonene manuelt og ser etter detaljer eller mengder som ikke stemmer. Kuken ønsker at verktøyet skal markere disse avvikene, slik at ingeniørene kan kontrollere tegningene raskere og oppdage feil de ellers kunne ha oversett.
Ifølge Kuken var rundt 90 % av problemene AI-en markerte under prototypetestingen, reelle avvik. Hvis verktøyet tas i ordinær bruk, forventer Kuken at det vil redusere tiden ingeniørene bruker på tegningskontroll, betydelig.
Hver tegning dokumenterer beslutninger en ingeniør tok for en bestemt installasjon. Ved å gjøre disse beslutningene enklere å finne og forstå vil Kuken videreføre erfaringen til neste generasjon ingeniører.
«Jeg tror teknologien fra OpenAI kan hjelpe produsenter som oss med å videreføre kompetanse til neste generasjon. Det har lenge vært en utfordring for oss.»


