
Kuken Industries 用 OpenAI API 检索 70 年图纸,查找时间从近 1 小时降至 4.5 分钟
来源标题:Kuken Industries searches 70 years of drawings in minutes
Kuken Industries 借助基于 OpenAI API 构建的工具,检索 70 年冷却塔图纸的时间从近 1 小时缩短至 4.5 分钟。工程师可用零件编号或截图查找替换件的原始安装图纸,新员工也能独立承担更多工作。Kuken 是日本冷却塔市场份额最大的厂商之一。
以下正文由 AI 翻译自 OpenAI(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Kuken的工程师使用一个基于OpenAI API构建的工具,在4.5分钟内找到替换零件的图纸,而此前需要近一个小时。
每年预计减少的图纸查找时间
查找图纸的时间,从近一小时缩短至
分享
将替换零件与原始安装匹配
将替换零件与原始安装匹配
选择能够读取Kuken图纸的模型
通过零件编号或截图进行搜索
新工程师能够独立承担更多工作
将AI扩展到图纸审核
将替换零件与原始安装匹配
选择能够读取Kuken图纸的模型
通过零件编号或截图进行搜索
新工程师能够独立承担更多工作
将AI扩展到图纸审核
Kuken Industries为大型建筑、购物中心和工厂制造空调和通风设备。它在日本冷却塔市场中占据最大份额之一。这些冷却塔将循环水中的热量释放到空气中,帮助冷却从大型建筑、商场到数据中心设备的各种设施。
当冷却塔需要更换零件时,Kuken的工程师会求助于一个跨越70年安装记录的图纸档案库。对于较新的工程师来说,找到正确的图纸往往意味着要向经验丰富的同事请教去哪里找以及如何阅读。Kuken希望新工程师能够自己找到这些记录,从中学习其中的决策,并把更多时间花在研究如何进行维修上。
如今制造的零件并不总能适配较旧的冷却塔。如果没有原始图纸显示当时安装的是什么,工程师可能不得不从头设计和制造替换件。
按型号或零件名称搜索可能会找到多份图纸。70多年来,Kuken根据每位客户的需求调整设备,因此规格因客户和安装日期而异。当档案还是纸质版时,一次搜索可能要花半天时间。Kuken后来将档案数字化,但工程师仍然需要知道该查哪个名称或编号,以及在哪里找到文件。尤其是较新的工程师,需要花时间把这些细节拼凑起来。
Kuken希望各个经验水平的工程师都能自行搜索档案库。在探索AI如何提供帮助时,Kuken联系了Recursive,这是一家日本AI初创公司,也是OpenAI的官方合作伙伴。
两家公司共同构建了搜索系统及其现场应用,利用了Kuken的档案库和工程师的意见。他们在一系列图纸上测试了多个AI模型,以了解每个模型提取细节的准确程度以及成本。OpenAI的模型在这两项指标上表现良好,而OpenAI API让团队能够灵活地将搜索直接构建到应用中。
与现场工程师的交流塑造了搜索的工作方式。工程师可以输入图纸或零件编号,也可以上传图纸或零件清单的图片或PDF。
粘贴零件清单的截图可以让工程师免于手动输入每个编号。应用会读取零件编号并返回可能的匹配结果,包括类似设计的图纸。为了找到正确的图纸,工程师会核对冷却塔的规格和过去的更换记录。
Kuken报告了使用和测试该搜索工具后的以下结果。
Kuken预计该工具将在一年内将图纸查找时间减少约90%。
经验丰富的工程师将节省下来的一部分时间用于指导新同事。
工程师可以在应用中审核图纸,从而降低打印成本。
工程师现在花在查找图纸上的时间更少,花在研究图纸上的时间更多。新工程师和老员工都表示,这让他们有空间考虑设计改进,并探索以前几乎没有时间追求的想法。
新工程师现在可以独立处理更广泛的工作。过去指导他们每次搜索的经验丰富的同事有更多时间教学,并承担自己的工程工作。
Kuken还在开发一款工具,用于检查合作伙伴编制的图纸。目前,工程师需要逐张将图纸与规格进行人工比对,查找不匹配的细节或数量。Kuken希望该工具能标记出这些差异,使工程师能够更快地审核图纸,并发现他们可能遗漏的错误。
据Kuken称,在原型测试中,AI标记的问题中约有90%是真实存在的差异。如果该工具投入生产,Kuken预计它将大幅减少工程师检查图纸的时间。
每份图纸都记录了工程师为特定安装所做的决策。通过让这些决策更容易找到和理解,Kuken旨在将这种经验传承给下一代工程师。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。