Kuken Industries 利用 OpenAI API 实现 70 年工程档案现代化

概述

日本冷却塔主要制造商 Kuken Industries 已成功集成 AI，以简化其 70 年工程图纸档案的检索与分析工作。通过与 AI 初创公司 Recursive 合作，利用 API 接入 OpenAI 的模型，该公司将工程师查找历史记录的时间缩短了约 90%。

解决工程档案挑战

几十年来，Kuken 的工程师在为老化基础设施寻找替换零件时面临巨大障碍。由于过去 70 年间冷却塔规格经常针对不同客户进行定制，识别正确的历史图纸是一项劳动密集型工作。此前，即使档案已经数字化，工程师仍需依赖机构知识或手动搜索，这可能耗费半天时间。这为缺乏复杂归档系统经验的新晋工程师造成了瓶颈。

实施与技术方案

Kuken 与 Recursive 合作构建了一个自定义搜索系统和现场应用。开发过程包括：

• 模型选择： 团队评估了多种 AI 模型，以考察其在保持成本效益的同时从图纸中准确提取技术细节的能力。OpenAI 的模型因在这些方面的表现而被选中。
• 灵活集成： OpenAI API 使团队能够将搜索功能直接嵌入到移动端现场应用中。
• 多模态输入： 该应用支持多种搜索方式，包括手动输入零件编号，以及上传图纸和零件清单的 PDF 或截图。这消除了现场工程师手动输入数据的需求。

运营影响

此次实施在三个主要方面改变了 Kuken 工程人员的日常工作流程：

• 效率提升： 公司预计将年度搜索时间减少约 90%。
• 独立性增强： 新晋工程师现在可以独立进行搜索，减少了对资深员工指导的依赖。
• 指导与创新： 通过节省此前用于行政搜索任务的时间，经验丰富的工程师现在能够专注于指导初级员工，并追求此前因时间限制而被忽视的设计改进。

未来方向：自动化图纸审查

在搜索工具成功的基础上，Kuken 目前正在开发一个 AI 驱动的系统原型，用于审计外部合作伙伴准备的图纸。其目标是自动对比图纸与项目规格，以识别差异。在初步测试中，该系统成功标记了约 90% 的实际问题。Kuken 预计该工具将进一步减少质量控制所花费的时间，并有助于防止审查过程中的人为错误。

正如 Kuken Industries 董事兼工厂经理 Takatsugu Naraki 所言：

“我相信 OpenAI 的技术可以帮助像我们这样的制造商将技能传授给下一代。这长期以来一直是我们面临的挑战。” — @handle