Kuken Industries: пошук у 70-річному архіві креслень за хвилини
Завдяки інструменту на базі API OpenAI інженери Kuken знаходять креслення запасної деталі за 4,5 хвилини замість майже години.
90%
Прогнозоване скорочення часу, витраченого на пошук креслень за рік
4,5 хв
Час пошуку креслення замість майже години
Kuken Industries виготовляє обладнання для кондиціювання повітря та вентиляції великих будівель, торговельних центрів і заводів. Компанія має одну з найбільших часток на ринку градирень у Японії. Градирні відводять тепло від циркулюючої води в повітря, допомагаючи охолоджувати найрізноманітніші об’єкти — від великих будівель і торговельних центрів до обладнання в центрах обробки даних.
Коли в градирні потрібно замінити деталь, інженери Kuken звертаються до архіву креслень обладнання, встановленого за 70 років. Для менш досвідченого інженера пошук потрібного креслення часто означав звернення до досвідченого колеги: де його шукати і як читати. Kuken прагнула, щоб менш досвідчені інженери могли самі знаходити ці матеріали, вчитися на зафіксованих у них рішеннях і приділяти більше часу пошуку способу ремонту.


Деталі, які виготовляють сьогодні, не завжди підходять до старих градирень. Без оригінального креслення, яке показує, що саме було встановлено, інженерам може знадобитися спроєктувати й виготовити деталь на заміну з нуля.
Пошук за моделлю або назвою деталі може дати кілька креслень. Понад 70 років Kuken адаптує обладнання до потреб окремих замовників, тому його характеристики залежать від замовника й дати встановлення. Коли архів був паперовим, пошук міг тривати пів дня. Згодом Kuken оцифрувала архів, але інженерам усе одно потрібно було знати, за якою назвою чи номером шукати та де знайти файл. Особливо багато часу на з’ясування цих подробиць витрачали менш досвідчені інженери.
Kuken хотіла, щоб інженери з будь-яким рівнем досвіду могли самостійно шукати в архіві. Досліджуючи, як у цьому може допомогти ШІ, Kuken зв’язалася з Recursive — японським стартапом у сфері ШІ та офіційним партнером OpenAI.
Компанії разом створили пошукову систему та застосунок для роботи на об’єктах, спираючись на архів Kuken і рекомендації її інженерів. Вони протестували кілька моделей ШІ на різних кресленнях, щоб з’ясувати, наскільки точно кожна з них може видобувати дані та скільки це коштує. Моделі OpenAI показали хороші результати за обома критеріями, а API OpenAI дав команді гнучкість, необхідну для вбудовування пошуку безпосередньо в застосунок.

Принципи роботи пошуку сформували на основі розмов з інженерами, які працюють на об’єктах. Інженери можуть ввести номер креслення чи деталі або завантажити зображення чи PDF-файл із кресленням або переліком деталей.
Достатньо вставити знімок екрана з переліком, щоб не вводити кожен номер вручну. Застосунок зчитує номери деталей і показує можливі збіги, зокрема креслення схожих конструкцій. Щоб знайти потрібне креслення, інженери звіряють характеристики градирні та записи про попередні заміни деталей.
Kuken повідомляє про такі результати використання й тестування інструмента пошуку.
Kuken очікує, що інструмент скоротить час, витрачений на пошук креслень за рік, приблизно на 90%.
Частину заощадженого часу досвідчені інженери присвячують наставництву менш досвідчених колег.
Інженери можуть переглядати креслення в застосунку, що зменшує витрати на друк.
Тепер інженери витрачають менше часу на пошук креслення й більше — на його вивчення. І новачки, і досвідчені інженери кажуть, що завдяки цьому можуть обмірковувати вдосконалення конструкцій і розвивати ідеї, на які раніше майже не було часу.
Менш досвідчені інженери тепер можуть самостійно виконувати ширший спектр робіт. Досвідчені колеги, які раніше допомагали їм на кожному етапі пошуку, мають більше часу на навчання інших і власні інженерні завдання.
«Тепер у людей є час спробувати себе в роботі, яку давно хотіли опанувати, і братися за нові складні завдання. Це стало справжнім джерелом мотивації».


Kuken також розробляє інструмент для перевірки креслень, підготовлених її партнерами. Зараз інженери візуально звіряють кожне креслення зі специфікаціями, шукаючи розбіжності в деталях або кількостях. Kuken хоче, щоб інструмент позначав ці розбіжності: так інженери зможуть швидше перевіряти креслення й помічати помилки, які інакше могли б пропустити.
За даними Kuken, під час тестування прототипу близько 90% проблем, які позначив ШІ, виявилися справжніми розбіжностями. Kuken очікує, що в разі впровадження інструменту в роботу він суттєво скоротить час, який інженери витрачають на перевірку креслень.
Кожне креслення фіксує рішення, які інженер ухвалив для конкретного встановленого обладнання. Спрощуючи пошук і розуміння цих рішень, Kuken прагне передати цей досвід наступному поколінню інженерів.
«Я вірю, що технології OpenAI можуть допомогти таким виробникам, як ми, передати навички наступному поколінню. Для нас це вже давно непросте завдання».


