Sistem AI mencari sejarah perbaikan valve daripada laporan penyematan perbaikan untuk kerja penyelenggaraan kilang minyak

Latar belakang masalah

Cabaran kes ini ialah mencari sejarah pembaikan setiap injap kawalan dari satu tempat. Satu laporan pemeriksaan dan pembaikan merekodkan keadaan komponen yang ditemui, alat ganti yang ditukar dan keputusan ujian selepas pembaikan, tetapi laporan ini berbentuk kira-kira 2,000 fail PDF yang diasingkan mengikut Tag No. Oleh itu, data tidak boleh dicari merentas laporan.

Kilang penapisan mempunyai banyak injap kawalan, dan setiap injap mempunyai sejarah pembaikan yang terkumpul beberapa kali. Keputusan sama ada untuk membaiki semula, menukar alat ganti atau merancang pemeriksaan pusingan seterusnya memerlukan data lampau injap tersebut. Apabila data berada dalam PDF, soalan seperti "Apakah yang telah ditukar pada injap ini" memerlukan laporan dibuka satu demi satu.

Keperluan dan kekangan

Sistem perlu menggunakan laporan sedia ada sebagai data asas dan perlu menerima laporan baharu dalam format yang sama. Keperluan dan kekangan utama adalah seperti berikut.

• Data asas ialah laporan PDF sedia ada, yang perlu disusun ke dalam struktur yang sama terlebih dahulu sebelum boleh dicari merentas laporan.
• Laporan baharu perlu diisi melalui borang digital yang membolehkan gambar dilampirkan, dengan tajuk yang sepadan dengan laporan yang digunakan oleh pasukan.
• Laporan perlu boleh dieksport ke fail Excel.
• Jawapan AI perlu menyatakan Tag No. laporan yang digunakan untuk menjawab, supaya pengguna dapat membuka laporan sebenar dan menyemaknya.
• Sistem dibangunkan pada nimitFlow (platform Low-Code untuk membina sistem kerja) di bawah lesen Full Enterprise.

Mengapa laporan perlu disusun sebagai data berstruktur sebelum AI menjawab

Kerana AI dapat mencari dan merumuskan dengan baik apabila setiap laporan mempunyai tajuk yang sama. Oleh itu, kami menyusun data laporan ke dalam struktur yang sama pada nimitFlow terlebih dahulu, kemudian membiarkan pembantu AI mencari dan merumuskan jawapan daripada set data tersebut. Set data yang sama juga boleh digunakan untuk eksport Excel dan dipaparkan pada papan pemuka tanpa melalui AI.

Kami memilih RAG dan bukannya membiarkan model menjawab daripada pengetahuan umum, kerana soalan pasukan penyelenggaraan berkaitan injap kilang penapisan itu sendiri. Oleh itu, jawapan perlu berdasarkan laporan sebenar dan perlu dapat menyatakan laporan Tag No. mana yang menjadi sumbernya. Keputusan untuk membaiki atau menukar alat ganti kekal di tangan jurutera.

Hasil penyerahan

Kami menyerahkan lesen nimitFlow Full Enterprise dan sistem Enterprise AI Knowledge Management yang terdiri daripada 4 bahagian, berserta kerja pelarasan carian RAG dan arahan yang dihantar kepada model (Prompt).

• Borang laporan pemeriksaan dan pembaikan injap: mengisi data dan melampirkan gambar pada nimitFlow
• Struktur data dan eksport: menyimpan laporan mengikut Tag No. dan mengeksport laporan ke fail Excel
• Papan pemuka: menghimpunkan laporan mengikut unit pengeluaran
• Pembantu AI sembang (Enterprise KM Chatbot): menjawab soalan daripada laporan menggunakan LLM bersama RAG dengan menyatakan Tag No. laporan yang digunakan untuk menjawab

Langkah pelaksanaan: daripada prototaip kepada sistem untuk kegunaan sebenar

Projek ini bermula dengan prototaip (POC) sebelum dibangunkan menjadi sistem untuk kegunaan sebenar. Prototaip digunakan untuk menunjukkan bahawa pembantu AI dapat menjawab soalan daripada laporan. Selepas itu, kami membangunkan borang, struktur data, eksport Excel, papan pemuka dan pembantu AI dalam sistem sebenar.

1. Prototaip (POC): demonstrasi soal jawab daripada laporan pemeriksaan dan pembaikan
2. Pembangunan sistem pada nimitFlow: borang, struktur data, eksport Excel, papan pemuka dan pembantu AI
3. Pelarasan carian RAG dan arahan yang dihantar kepada model (Prompt)
4. Penyerahan sistem kepada pasukan penyelenggaraan pada tahun 2026

Hasil yang dapat disahkan daripada penyerahan

Hasil yang dapat disahkan ialah surat perakuan siap kerja (Job Completion Certificate) yang ditandatangani oleh pihak klien selepas kami menyerahkan sistem AI Knowledge Management kepada pasukan penyelenggaraan kilang penapisan minyak pada tahun 2026.

Pembantu AI direka bentuk untuk menjawab soalan seperti "Apakah yang telah ditukar pada injap Tag ini" atau "Laporan mana yang menemui kebocoran (Leak)" dengan menyatakan Tag No. laporan yang digunakan untuk menjawab. Kes ini tidak mempunyai angka pengukuran hasil perniagaan, oleh itu kami hanya melaporkan hasil yang disahkan oleh dokumen.

Apakah yang kita pelajari

Kerja ini memberikan prinsip berikut untuk kerja AI dengan dokumen penyelenggaraan.

• Susun data menjadi berstruktur sebelum menggunakan AI. Laporan yang mempunyai tajuk yang sama boleh digunakan untuk carian AI, eksport Excel dan papan pemuka, manakala AI hanyalah satu lagi saluran yang membaca set data yang sama.
• Pilih kaedah menjawab mengikut jenis soalan. Soalan tentang injap tertentu sesuai dengan RAG, manakala soalan yang bersifat pengiraan jumlah bagi keseluruhan set data, seperti "Berapa banyak laporan bagi jenama ini", wajar dijawab daripada data yang telah distrukturkan, kerana RAG hanya mengambil sebahagian laporan yang paling berkaitan.
• Jawapan AI perlu dapat dijejak kembali kepada laporan asal. Menyatakan Tag No. dalam jawapan membolehkan jurutera membuka dan menyemak laporan sebenar sebelum membuat keputusan, dan senarai soalan yang benar-benar ditanya oleh pasukan wajar digunakan sebagai set ujian sejak awal projek.

Bagaimana anda boleh menggunakan pendekatan ini pada laporan penyelenggaraan anda

Jika pasukan anda mempunyai banyak laporan pemeriksaan dan pembaikan peralatan yang terkumpul dan kebanyakan laporan menggunakan borang yang sama, anda boleh menggunakan pendekatan yang sama seperti kes ini, iaitu menyusun laporan ke dalam struktur yang sama, menyimpannya mengikut kod peralatan, kemudian membiarkan pembantu AI menjawab dengan menyatakan laporan yang digunakan untuk menjawab. Bahagian yang perlu disesuaikan ialah borang dan struktur data, yang perlu direka bentuk mengikut laporan anda.

• Sediakan sampel laporan sedia ada dan borang yang sedang digunakan.
• Kumpulkan senarai soalan yang benar-benar ditanya oleh pasukan, untuk digunakan bagi menguji jawapan sebelum penyerahan.
• Minta pengguna di lapangan menyemak istilah khusus dan nama tajuk dalam borang, kerana semuanya perlu sepadan dengan laporan yang digunakan oleh pasukan.
• Mulakan dengan prototaip menggunakan set laporan kecil dan soalan yang kerap ditanya, kemudian kembangkan kepada semua laporan.