Large Language Models maken het doorzoeken van handleidingen efficiënt voor FreezerData

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.

Phi-ks: Vind alle benodigde informatie door een simpele vraag te stellen.

Met onze oplossing Phi-ks 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.

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.