AIシステムは、メンテナンス検査レポートからバルブ修理履歴を検索し、石油精製所のメンテナンス作業に使用します

課題の背景

この事例の課題は、各コントロールバルブの修理履歴を一か所で検索できるようにすることでした。点検・修理レポートには、確認された部品の状態、交換した部品、修理後の試験結果が記録されています。しかし、これらのレポートはTag No.別に分かれた約2,000件のPDFファイルであるため、レポートをまたいだ検索ができませんでした。

製油所には多数のコントロールバルブがあり、それぞれに複数回の修理履歴が蓄積されています。再修理、部品交換、次回点検の計画のいずれを判断するにも、そのバルブの過去のデータが必要です。データがPDFの中にあると、「このバルブは何を交換したか」といった質問に答えるために、レポートを一つずつ開かなければなりません。

要件と制約

システムは既存のレポートを元データとして使用し、新しいレポートも同じ形式で受け付ける必要があります。主な要件と制約は次のとおりです。

• 元データは既存のPDFレポートであり、レポートをまたいで検索するには、まず同じ構造に整理する必要があります。
• 新しいレポートはデジタルフォームから入力し、写真を添付できる必要があります。項目はチームが現在使用しているレポートと一致させる必要があります。
• レポートをExcelファイルに出力できる必要があります。
• AIの回答には、回答に使用したレポートのTag No.を示す必要があります。ユーザーが実際のレポートを開いて確認できるようにするためです。
• システムは、nimitFlow（業務システムを構築するLow-Codeプラットフォーム）上にFull Enterpriseライセンスのもとで開発します。

AIに回答させる前に、なぜレポートを構造化データに整理するのか

AIは、すべてのレポートが同じ項目を持っているときに、うまく検索・要約できるためです。そこで当社は、まずレポートのデータをnimitFlow上で同じ構造に整理し、そのデータをもとにAIアシスタントが検索して回答を要約するようにしました。同じデータは、AIを介さずにExcel出力やダッシュボード表示にも使用できます。

当社は、モデルが一般知識から回答する方式ではなくRAGを選びました。保全チームの質問は製油所自身のバルブに関するものであるため、回答は実際のレポートに基づき、どのTag No.のレポートに由来するかを示せる必要があるからです。修理や部品交換の判断は、引き続きエンジニアが行います。

納入物

当社はnimitFlow Full Enterpriseライセンスと、4つの部分からなるEnterprise AI Knowledge Managementシステムを納品し、あわせてRAGの検索とモデルに送る指示（Prompt）の調整を行いました。

• バルブ点検・修理レポートフォーム：nimitFlow上でデータを入力し、写真を添付
• データ構造と出力：レポートをTag No.別に保管し、Excelファイルに出力
• ダッシュボード：レポートを生産ユニット別に集約
• チャット型AIアシスタント（Enterprise KM Chatbot）：LLMとRAGでレポートをもとに質問に回答し、回答に使用したレポートのTag No.を提示

実施手順：プロトタイプから実用システムへ

このプロジェクトはプロトタイプ（POC）から始まり、その後、実用システムへと開発を進めました。プロトタイプでは、AIアシスタントがレポートをもとに質問に回答できることを実演しました。その後、当社はフォーム、データ構造、Excel出力、ダッシュボード、AIアシスタントを実システムとして開発しました。

1. プロトタイプ（POC）：点検・修理レポートに基づく質疑応答を実演
2. nimitFlow上でのシステム開発：フォーム、データ構造、Excel出力、ダッシュボード、AIアシスタント
3. RAGの検索とモデルに送る指示（Prompt）の調整
4. 2026年に保全チームへシステムを納品

納品により確認できた成果

確認できた成果は、当社が2026年に製油所の保全チームへAI Knowledge Managementシステムを納品した後、発注者が署名した業務完了証明書（Job Completion Certificate）です。

AIアシスタントは、「このTagのバルブは何を交換したか」や「どのレポートで漏れ（Leak）が見つかったか」といった質問に対し、回答に使用したレポートのTag No.を示して答えるよう設計されています。この事例にはビジネス成果の測定値がないため、文書で確認できる成果のみを報告しています。

私たちが学んだこと

この案件から、保全文書を対象としたAI活用について次の原則が得られました。

• AIを使う前にデータを構造化します。同じ項目を持つレポートは、AI検索、Excel出力、ダッシュボードのいずれにも使用できます。AIは、同じデータを読み取る別の手段の一つにすぎません。
• 質問の種類に応じて回答方法を選びます。特定のバルブに関する質問にはRAGが適しています。一方、「このブランドのレポートは何件あるか」のようなデータセット全体を集計する質問は、構造化済みのデータから回答すべきです。RAGが取得するのは、最も関連性の高いレポートの一部に限られるためです。
• AIの回答は元のレポートまでさかのぼれる必要があります。回答にTag No.を示すことで、エンジニアは判断の前に実際のレポートを開いて確認できます。また、チームが実際に尋ねる質問のリストを、プロジェクトの初期段階からテストセットとして使用することをおすすめします。

この手法をお客様の保全レポートに適用する方法

お客様のチームに機器の点検・修理レポートが大量に蓄積されており、その大半が同じフォームを使用している場合は、この事例と同じ手法を利用できます。つまり、レポートを同じ構造に整理し、機器コード別に保管したうえで、回答に使用したレポートを示して答えるAIアシスタントを使います。調整が必要なのはフォームとデータ構造で、これらはお客様のレポートに合わせて設計する必要があります。

• 既存レポートのサンプルと現在使用中のフォームを準備します。
• チームが実際に尋ねる質問のリストを集め、納品前の回答テストに使用します。
• 現場のユーザーに専門用語とフォームの項目名を確認してもらいます。チームが使用中のレポートと一致している必要があるためです。
• 小規模なレポートセットとよくある質問を対象にプロトタイプから始め、その後、すべてのレポートへ展開します。