شركة Kuken Industries تعثر على مخطط القطعة في 4.5 دقيقة بدل ساعة بفضل واجهة OpenAI API

قصة مألوفة لأي شركة مضى على تأسيسها أكثر من عشر سنوات: المعرفة موجودة لكنها مدفونة في الأرشيف، ولا يستطيع العثور على المطلوب إلا من أمضى هنا عشرين عامًا. وقد حلّت شركة Kuken Industries اليابانية، إحدى أكبر الشركات المصنّعة لأبراج التبريد في البلاد، هذه المشكلة بمساعدة OpenAI API. وهذه قصة عميل نشرتها OpenAI نفسها، لذا ينبغي قراءة الأرقام مع مراعاة المصدر. لكن السيناريو عملي جدًا وينطبق إلى ما هو أبعد من الصناعة.

أين كانت المشكلة

تُخرج أبراج التبريد الحرارة من الماء المتداول: فهي تبرّد المراكز التجارية والمصانع ومعدات مراكز البيانات. وعندما تحتاج هذه المنشأة إلى استبدال قطعة، فإن القطعة الحديثة لا تناسب دائمًا التصميم القديم. وبدون المخطط الأصلي يضطر المهندس أحيانًا إلى تصميم البديل وتصنيعه من الصفر.

والمشكلة أن Kuken ظلت على مدى 70 عامًا تكيّف معداتها وفق عملاء بعينهم. فالمواصفات تتوقف على العميل وتاريخ التركيب، والبحث بالطراز أو باسم القطعة يعطي عدة مخططات دفعة واحدة. وسابقًا، حين كان الأرشيف ورقيًا، كان البحث يستغرق نصف يوم. وبعد الرقمنة لم يصبح الأمر أسهل: كان لا بد من معرفة أي اسم أو رقم يُدخَل وأين يوجد الملف. فكان المبتدئون يطلبون المساعدة من الزملاء الخبراء، الذين ينقطعون عن عملهم.

كيف صُمم الحل

عملت Kuken مع Recursive، وهي شركة ناشئة يابانية في الذكاء الاصطناعي وشريك رسمي لـ OpenAI. وقد طوّرتا معًا نظام بحث وتطبيقًا للهواتف المحمولة للمهندسين في المواقع، واعتمدتا على الأرشيف الفعلي وعلى رغبات المهندسين أنفسهم.

قبل اختيار النموذج، جرّب الفريق عدة خيارات على مخططات مختلفة وقارن دقة استخراج القطع لدى كل منها وتكلفتها. وأظهرت نماذج OpenAI نتيجة جيدة في المعيارين. أما أي النماذج بالتحديد ومع أي نماذج قورنت، فلم يوضح المقال ذلك.

يتيح التطبيق إدخال رقم المخطط أو القطعة، أو رفع صورة أو ملف PDF لمخطط أو لقائمة قطع غيار. وتغني لقطة الشاشة للقائمة عن إدخال كل رقم يدويًا: يقرأ التطبيق الأرقام ويعيد التطابقات المحتملة، بما فيها مخططات لتصاميم مشابهة. ويبقى الاختيار النهائي للإنسان، الذي يطابق مواصفات البرج وسجلات عمليات الاستبدال السابقة. فالذكاء الاصطناعي هنا يضيّق نطاق البحث ولا يتخذ القرار.

ما النتيجة وما التحفظات

وفق بيانات Kuken، يُعثر الآن على المخطط المطلوب في 4.5 دقيقة، بعد أن كان يستغرق قرابة ساعة. وتتوقع الشركة أن ينخفض وقت البحث بنحو 90% خلال عام. وهذا توقع تحديدًا وليس حصيلة سنوية مؤكدة. كذلك يطّلع المهندسون على المخططات مباشرة في التطبيق، فتنخفض تكاليف الطباعة. ويخصص الموظفون الخبراء جزءًا من الوقت المتوفر للتوجيه، بينما يتولى المبتدئون نطاقًا أوسع من المهام باستقلالية.

والخطوة التالية أداة للتحقق من المخططات التي يعدّها الشركاء. حاليًا يطابقها المهندسون مع المواصفات بالعين ويبحثون عن القطع أو الكميات غير المتطابقة. ومن المفترض أن يبرز النموذج الأولي هذه التناقضات. وبحسب Kuken، تبيّن أن نحو 90% من المشكلات التي اكتشفها كانت تناقضات حقيقية. والأداة لم تدخل الإنتاج بعد، فهذه نتيجة اختبارات.

ما يمكن الاستفادة منه

أولًا، القيمة غالبًا ليست في «الدردشة الذكية» بل في البحث الممل ضمن الوثائق المتراكمة، حيث يهم النص والصورة معًا. فإذا كان لديكم أرشيف من الصور الممسوحة أو ملفات PDF أو لقطات الشاشة، فقد يكون أقصر طريق إلى الفائدة هنا.

ثانيًا، اختاروا النموذج على وثائقكم أنتم. فقد قارنت Kuken الخيارات بحسب دقة استخراج البيانات والتكلفة على مخططات حقيقية، لا بحسب المعايير العامة. وفي الوثائق ذات التنسيق المعقد هذه هي الطريقة الصادقة الوحيدة.

ثالثًا، صمموا المدخلات وفق عادات المستخدمين الفعلية. فإمكانية لصق لقطة شاشة لقائمة القطع تبدو تفصيلًا صغيرًا، لكنها هي التي تزيل روتين الإدخال اليدوي.

وأخيرًا، اتركوا التحقق للإنسان. يعيد النظام مرشحين، بينهم مشابهون، ويؤكد المهندس التطابق بحسب المواصفات. وفي المهام التي يعني فيها ثمن الخطأ قطعة معيبة، يكون هذا النهج أحكم من الأتمتة الكاملة.

والقيود واضحة أيضًا. فهذه حالة تسويقية من مورّد، والمقاييس مأخوذة عن لسان الشركة، ولا شيء عن البنية التقنية أو حجم البيانات أو نسبة عمليات البحث الفاشلة. ومع ذلك فالمادة مفيدة كنموذج لتطبيق النماذج متعددة الوسائط في صناعة لديها أرشيفات قديمة.