Kuken Industries przeszukuje rysunki z 70 lat w kilka minut

Kuken Industries produkuje urządzenia klimatyzacyjne i wentylacyjne do dużych budynków, centrów handlowych i fabryk. Firma ma jeden z największych udziałów w japońskim rynku wież chłodniczych. Wieże te odprowadzają ciepło z wody obiegowej do powietrza, wspomagając chłodzenie zarówno dużych budynków i centrów handlowych, jak i urządzeń w centrach danych.

Gdy trzeba wymienić część w wieży chłodniczej, inżynierowie Kuken sięgają do archiwum rysunków instalacji powstałych na przestrzeni 70 lat. Dla mniej doświadczonego inżyniera znalezienie właściwego rysunku często oznaczało konieczność zapytania bardziej doświadczonego kolegi, gdzie go szukać i jak go odczytać. Kuken chciało, by mniej doświadczeni inżynierowie mogli samodzielnie znajdować tę dokumentację, uczyć się na podstawie zapisanych w niej decyzji i poświęcać więcej czasu na opracowanie sposobu naprawy.

Produkowane dziś części nie zawsze pasują do starszych wież chłodniczych. Bez oryginalnego rysunku pokazującego zamontowane elementy inżynierowie mogą być zmuszeni zaprojektować i wyprodukować część zamienną od podstaw.

Wyszukiwanie według modelu lub nazwy części może zwrócić kilka rysunków. Przez ponad 70 lat Kuken dostosowywało swoje urządzenia do potrzeb poszczególnych klientów, dlatego specyfikacje różnią się w zależności od klienta i daty instalacji. Gdy archiwum było prowadzone na papierze, wyszukiwanie mogło zająć pół dnia. Kuken później zdigitalizowało archiwum, ale inżynierowie nadal musieli wiedzieć, jakiej nazwy lub numeru szukać i gdzie znaleźć plik. Zebranie tych informacji zajmowało czas zwłaszcza mniej doświadczonym inżynierom.

Kuken chciało umożliwić samodzielne przeszukiwanie archiwum inżynierom o każdym poziomie doświadczenia. Szukając sposobów wykorzystania AI, Kuken nawiązało kontakt z Recursive — japońskim startupem zajmującym się AI i oficjalnym partnerem OpenAI.

Obie firmy wspólnie zbudowały system wyszukiwania i aplikację do użytku w terenie, korzystając z archiwum Kuken i wskazówek jego inżynierów. Przetestowały kilka modeli AI na różnych rysunkach, aby sprawdzić, z jaką dokładnością i przy jakich kosztach każdy z nich odczytuje szczegóły. Modele OpenAI dobrze wypadły pod oboma względami, a API OpenAI dało zespołowi swobodę integracji wyszukiwania bezpośrednio w aplikacji.

Sposób działania wyszukiwarki opracowano na podstawie rozmów z inżynierami pracującymi w terenie. Inżynierowie mogą wpisać numer rysunku lub części albo przesłać obraz bądź plik PDF z rysunkiem lub listą części.

Wklejenie zrzutu ekranu z listą oszczędza im ręcznego wpisywania każdego numeru. Aplikacja odczytuje numery części i wyświetla potencjalnie pasujące wyniki, w tym rysunki podobnych konstrukcji. Aby znaleźć właściwy rysunek, inżynierowie sprawdzają specyfikację wieży i dokumentację wcześniejszych wymian.

Kuken podaje następujące wyniki korzystania z wyszukiwarki i jej testów.

• Kuken przewiduje, że narzędzie skróci czas poświęcany na wyszukiwanie rysunków o około 90% w skali roku.

• Doświadczeni inżynierowie przeznaczają część zaoszczędzonego czasu na wspieranie rozwoju mniej doświadczonych kolegów.

• Inżynierowie mogą przeglądać rysunki w aplikacji, co obniża koszty drukowania.

Inżynierowie poświęcają teraz mniej czasu na szukanie rysunku, a więcej na jego analizę. Zarówno początkujący, jak i doświadczeni inżynierowie mówią, że dzięki temu mogą rozważać ulepszenia konstrukcji i rozwijać pomysły, na które wcześniej mieli niewiele czasu.

Mniej doświadczeni inżynierowie mogą teraz samodzielnie wykonywać szerszy zakres zadań. Doświadczeni koledzy, którzy wcześniej pomagali im przy każdym wyszukiwaniu, mają więcej czasu na przekazywanie wiedzy i własne prace inżynierskie.

Kuken opracowuje również narzędzie do sprawdzania rysunków przygotowywanych przez swoich partnerów. Obecnie inżynierowie sami porównują każdy rysunek ze specyfikacją, szukając niezgodności w szczegółach lub liczbie elementów. Kuken chce, by narzędzie wskazywało te różnice, dzięki czemu inżynierowie mogliby szybciej weryfikować rysunki i wychwytywać błędy, które inaczej mogliby przeoczyć.

Według Kuken w testach prototypu około 90% problemów wskazanych przez AI stanowiły rzeczywiste rozbieżności. Jeśli narzędzie zostanie wdrożone do codziennego użytku, Kuken spodziewa się znacznego skrócenia czasu, jaki inżynierowie poświęcają na sprawdzanie rysunków.

Każdy rysunek jest zapisem decyzji podjętych przez inżyniera dla konkretnej instalacji. Ułatwiając odnajdywanie i zrozumienie tych decyzji, Kuken chce przekazać to doświadczenie kolejnemu pokoleniu inżynierów.