Kennis Cases Large Language Models maken het doorzoeken van handleidingen efficiënt voor FreezerData

FreezerData ontwikkelt een slim en draadloos bewakingssysteem voor het tracken van de temperatuur en andere parameters van koelapparatuur. Door de toepassing van Artificial Intelligence- /Machine Learning-algoritmes (AI en ML) worden storingen voorspelbaar gemaakt, voordat ze daadwerkelijk optreden. Op deze wijze ontstaat een proactieve benadering waarmee storingen voorkomen kunnen worden, doordat onderhoud voorspelbaar wordt gemaakt: dit is de virtuele monteur.

 

In een Proof of Concept (PoC) voor FreezerData tonen we met onze oplossing Phie aan op welke wijze informatie snel en efficiënt vindbaar gemaakt kan worden door gebruik te maken van Large Language Models. In de PoC voor FreezerData wordt dit gebruikt ter ondersteuning van monteurs voor onderhoud aan koelinstallaties. Door middel van een chatinterface worden monteurs in staat gesteld om vragen te stellen en antwoorden te krijgen over de door FreezerData al gehanteerde informatie.

Hoe zorg je ervoor dat monteurs voorspeld onderhoud goed kunnen uitvoeren?


Nu de virtuele monteur het onderhoud voorspelbaar heeft gemaakt, is het belangrijk om ervoor te zorgen dat dit onderhoud naast juist en adequaat, ook efficiënt en snel uitgevoerd kan worden.
De uitdaging van FreezerData is dat niet iedereen de juiste kennis heeft om dit te doen. Oorzaken zijn bijvoorbeeld de beperkte beschikbaarheid van ervaren monteurs of omdat de monteurs niet de vereiste kennis hebben om het onderhoud te kunnen uitvoeren. Dit zorgt ervoor dat er druk komt op de mensen met kennis, doordat zij de minder ervaren monteurs in hun werk moeten bijstaan.

 

Een mogelijke oplossing hierbij is om minder ervaren monteurs op pad te sturen met toegang tot de informatie die hen helpt om de ontbrekende kennis op te kunnen zoeken. Echter is het in de veelheid van informatie vaak lastig om snel en efficiënt datgene te vinden wat je nodig hebt.

 

 

Phie: Vind alle benodigde informatie door een simpele vraag te stellen.


Met onze oplossing Phie zorgen we ervoor dat monteurs snel en efficiënt tot de juiste informatie kunnen komen door vragen in natuurlijke taal te stellen. Dit houdt in dat de monteurs op dezelfde manier kunnen communiceren zoals zij normaal gesproken zouden doen om informatie uit te vragen bij collega’s. De antwoorden op deze vragen zijn gebaseerd op bestaande, binnen het bedrijf gehanteerde, informatie.

 

Mock-up FreezerData

Voorbeeld van een vraag die gesteld wordt in de voor FreezerData gerealiseerde chatinterface

We hebben een verwerking opgesteld die aansluit op de specifieke kenmerken van de informatie die binnen FreezerData gehanteerd wordt. Zo hebben we aangeleverde voorbeelddata van FreezerData geanalyseerd en een aparte verwerking gemaakt voor het uitlezen van tabellen die veelal voorkomen in de documentatie. Deze zijn in het geval van FreezerData erg belangrijk omdat ze een overzicht bevatten van de aan te passen paramaters op koelinstallaties.


Vervolgens hebben we de verwerkte informatie uitvraagbaar gemaakt in natuurlijke taal. Monteurs hebben de mogelijkheid om door middel van een chatinterface vragen te stellen. Het antwoord wordt gegeven op basis van de verwerkte informatie. Het antwoord op de vraag wordt aangevuld met inzicht in de achterliggende informatie die gebruikt is om het antwoord te vormen. Dit in de vorm van citaten die gebruikt zijn als bron, met verwijzing naar de herkomst ervan. Hierdoor kan indien gewenst gemakkelijk aanvullende informatie worden opgezocht.


''Een groot voordeel van de applicatie is dat deze helemaal naar onze huisstijl is aangepast zodat deze past in het totale plaatje. De grootste requirement die wij hadden was dat de applicatie geen verkeerde antwoorden zou geven, het zogenoemde hallucineren. Dat is bijzonder goed gelukt, boven verwachting.'' 

 

Daniël Overdevest - Data Scientist @ FreezerData

 


Door de combinatie van een antwoord en de achterliggende informatie zorgen we ervoor dat de monteurs snel en efficiënt tot de juiste informatie komen, die hen helpt om het onderhoud goed uit te kunnen voeren.

 

Project highlights.

 

 

  • Verbeterde toegang tot handleidingen

Met Phie hebben we een Proof of Concept uitgevoerd voor FreezerData. Aanvullend op de virtuele monteur hebben we het voor monteurs mogelijk gemaakt om snel en efficiënt informatie te kunnen vinden via een chatinterface. Dit ter ondersteuning van het uitvoeren van onderhoud.

  • Antwoorden op basis van informatie die al door FreezerData gehanteerd wordt

De gegeven antwoorden in de chatinterface worden gegenereerd op basis van de eigen informatie van FreezerData. Zo voorkomen we dat het model zelf een antwoord verzint. Door middel van citaten is er inzicht in de informatie die gebruikt is om het antwoord te vormen.


  • Belangrijke aanvulling virtuele assistent
We hebben Phi-ks geoptimaliseerd en gepresenteerd tijdens een klantevent van FreezerData, waar het werd gepositioneerd als belangrijke aanvulling op de virtuele assistent.
Avisi Gebouw Vierkant

Proof of Concept voor een klantevent van FreezerData.


In enkele weken hebben we iteratief de werking van de virtuele assistent verder verbeterd door feedback te vergaren op de door de assistent geformuleerde antwoorden en bijbehorende bronnen. Op basis van de feedback hebben we de verwerking steeds verder verbeterd. Hiermee hebben we toegewerkt naar een klantevent van FreezerData. Hier werd het product van FreezerData gepresenteerd, met daarbij ons aandeel in de virtuele assistent.


 

 

 


Benieuwd wat Large Language Models in jouw domein kunnen toevoegen?


In dit traject is met onze oplossing Phie de verwerking toegespitst op de karakteristieken van de documentatie van FreezerData. Hiermee hebben we ervoor gezorgd dat monteurs efficiënter onderhoud kunnen uitvoeren, doordat informatie sneller en eenvoudiger te achterhalen is. Benieuwd wat deze werkwijze kan toevoegen binnen jouw domein? Lees meer op deze pagina over Phie of vul het formulier in onderaan deze pagina. 

"Niets was te gek en er werd hard gewerkt om op tijd klaar te zijn, zodat de applicatie gedemonstreerd kon worden op ons innovatie event."

Daniel overdevest

Daniël Overdevest

Data Scientist - FreezerData

Benieuwd wat deze werkwijze kan toevoegen binnen jouw domein?

Erik Evers

Erik Evers

Lead Artificial Intelligence