Kuken 用 OpenAI 模型检索 70 年图纸，耗时缩短约 90%

Kuken Industries 为大型建筑、购物中心和工厂制造空调和通风设备。它占据日本冷却塔市场最大份额之一。这些冷却塔将循环水中的热量释放到空气中，帮助冷却从大型建筑、商场到数据中心设备的各种对象。

当冷却塔需要更换零件时，Kuken 的工程师会求助于一个涵盖 70 年安装记录的图纸档案。对于较新的工程师来说，找到正确的图纸往往意味着要问有经验的同事该去哪里找、该怎么看。Kuken 希望较新的工程师能够自己找到这些记录，从其中包含的决策中学习，并把更多时间花在弄清楚如何进行维修上。

如今制造的零件并不总能适配较旧的冷却塔。如果没有原始图纸显示当时安装的是什么，工程师可能不得不从头设计和制造替换件。

按型号或零件名称搜索可能会找到好几张图纸。70 多年来，Kuken 一直针对个别客户调整其设备，因此规格因客户和安装日期而异。当档案还是纸质的时候，一次搜索可能要花半天时间。Kuken 后来将档案数字化，但工程师仍然需要知道该查哪个名称或编号，以及在哪里找到文件。尤其是较新的工程师，要花时间把这些细节拼凑起来。

Kuken 希望各个经验水平的工程师都能自行搜索档案。在探索 AI 如何提供帮助的过程中，Kuken 联系上了 Recursive，这是一家日本 AI 初创公司，也是 OpenAI 的官方合作伙伴。

两家公司共同构建了搜索系统及其现场应用，依托 Kuken 的档案和其工程师的意见。他们在一系列图纸上测试了多个 AI 模型，以了解每个模型提取细节的准确程度以及成本如何。OpenAI 的模型在这两项指标上表现良好，而 OpenAI API 让团队能够灵活地将搜索直接构建到应用中。

与现场工程师的交流塑造了搜索功能的工作方式。工程师可以输入图纸编号或零件编号，也可以上传图纸或零件清单的图片或 PDF。

粘贴清单截图，工程师就无需逐个手动输入编号。应用会读取零件编号并返回可能的匹配结果，包括相似设计的图纸。为了找到正确的图纸，工程师会核对塔架的规格和过往更换记录。

Kuken 报告了使用和测试该搜索工具所得的以下结果。

工程师现在花在查找图纸上的时间更少，花在研究图纸上的时间更多。新老工程师都表示，这让他们有余力考虑设计改进，并探索以前几乎没有时间 pursue 的想法。

较新的工程师现在能独立处理更广泛的工作。过去要指导他们每次搜索的经验丰富的同事，现在有更多时间教学，并承担自己的工程工作。

Kuken 还在开发一款用于检查合作伙伴所准备图纸的工具。目前，工程师需要逐张将图纸与规格进行人工比对，查找不匹配的细节或数量。Kuken 希望该工具能标出这些差异，让工程师更快地审核图纸，并发现他们原本可能漏掉的错误。

据 Kuken 称，在原型测试中，AI 标记出的问题约有 90% 是真实存在的差异。如果该工具投入生产使用，Kuken 预计它将大幅减少工程师检查图纸所花的时间。

每张图纸都记录了工程师为特定安装所做的决策。通过让这些决策更容易被找到和理解，Kuken 旨在将这份经验传承给下一代工程师。