Recordly ja Futurice: Bromma

Ongelma

Bromma on maailmanlaajuinen markkinajohtaja satamien ja terminaalien nosturispreaderien valmistuksessa. Yrityksen menestys ei perustu ainoastaan korkealaatuisiin laitteisiin, vaan myös siihen, että tuki toimii tehokkaasti silloin, kun huolto- ja laatuongelmia ilmenee.

Tätä vaikeuttivat kuitenkin vanhentuneet järjestelmät. Bromman sisäinen laatuongelmien kirjaamiseen ja diagnosointiin tarkoitettu järjestelmä oli peräisin 2000-luvun alusta ja sekä monimutkainen että tehoton. Tieto oli hajallaan, ja kriittiset huolto- ja historiatiedot sijaitsivat strukturoimattomissa kentissä vanhassa tietokannassa. Järjestelmän rajalliset hakutoiminnot pakottivat huoltoinsinöörit etsimään aiempia raportteja manuaalisesti ja tukeutumaan omaan kokemukseensa ratkaisujen löytämiseksi.

Ratkaisu

Näiden haasteiden ratkaisemiseksi Bromma teki yhteistyötä Recordlyn ja Futuricen kanssa ja otti käyttöön retrieval-augmented generation (RAG) -agentin – generatiiviseen tekoälyyn perustuvan ratkaisun, joka tehostaa huoltotoimintaa merkittävästi.

Ratkaisuun sisältyy käyttäjäystävällinen käyttöliittymä, jonka avulla huoltoinsinöörit voivat olla suorassa vuorovaikutuksessa tekoälyagentin kanssa luonnollisen keskustelun kautta. Intuitiivinen käyttökokemus mahdollistaa nopean pääsyn olennaisiin tietoihin ja tukee tehokasta päätöksentekoa.

Hyödyntämällä luonnollisen kielen käsittelyä ja älykästä hakua agentti analysoi Bromman laaturaportteja (Quality Service Reports, QSR) ja poimii niistä olennaiset tiedot vastaten välittömästi keskeisiin huoltokysymyksiin:
– Mikä ongelma raportissa havaittiin?
– Ratkaistiinko ongelma?
– Jos kyllä, millä tavalla?

Dataputket jäsentävät ja muokkaavat tiedon agentin hyödynnettävään muotoon, jolloin insinöörit voivat hakea tietoa yksinkertaisilla, luonnollisilla kysymyksillä. Aiemman manuaalisen raporttien selaamisen sijaan he voivat nyt kysyä suoraan:
– Onko vastaavaa ongelmaa esiintynyt aiemmin?
– Miten ongelma ratkaistaan?

Agentti ei ainoastaan hae tietoa, vaan tuottaa myös vaiheittaiset vianmääritysohjeet ja paikan päällä tehtävät testausmenettelyt, mikä nopeuttaa ja parantaa ongelmien ratkaisemista.

Tulos

1. Nopeampi ongelmanratkaisu – Huoltoinsinöörit löytävät relevantit tapaukset nopeasti
2. Tehokas tiedon jakaminen – Laatutieto on käytettävissä globaalisti ilman viiveitä
3. Skaalautuva ja tulevaisuuden kestävä ratkaisu – Automaatio poistaa huoltoprosessin tehottomuuksia
4. Vähemmän riippuvuutta järjestelmän rakenteesta – Kyselyt voidaan tehdä vapaamuotoisesti ilman tarkkaa järjestelmän tuntemusta

ROI

Lue lisää

---