1. 概要 株式会社EMNI（总公司：东京都千代田区，代表取缔役社长：下野 祐太，以下简称「EMNI」）与东洋钢钣株式会社（总公司：东京都品川区，以下简称「东洋钢钣」）的数字转型（DX）推进部携手合作，启动一项共同项目，旨在利用生成式AI驱动的「AI访谈员」，将维保部门的专业知识形式化，并将制造停机时间降至最低。本项目融合EMNI的生成式AI技术与东洋钢钣长年累积的制造和维保知识，目标在于实现维保业务的「去属人化」（意即克服对特定人员的依赖）。 2. 背景与挑战 维保工作是支撑制造现场稳定运作的关键，它要求对突发设备异常能迅速反应。然而，这种反应的品质往往严重依赖资深维保人员的经验与直觉。在东洋钢钣，以下挑战已日益凸显： ● 资深人员的隐性知识：尽管维保履历等数据有所累积，但「为何选择该应对措施」或「基于何种思路做出判断」等背景信息并未被记录，导致重要的决策过程仅存在于资深人员的脑海中。 ● 对资深人员的依赖造成瓶颈：每次处理异常状况时，都会占用少数资深维保人员的资源，限制了组织整体的反应速度。 ● 过往案例数据散乱：故障报告书和作业进程书的格式与存放地点各不相同，导致同类问题再次发生时，无法即时参考过往的知识。 3. 项目目的与大纲 本项目旨在利用生成式AI，实现维保业务的「去属人化」。具体而言，它将整理资深人员脑中的隐性知识和组织内散乱的显性知识，使其成为AI可处理的格式，从而创建一个让任何人都能访问标准化、高品质知识的环境。最终目标是让任何人在维保业务中都能做出最佳且迅速的应对。 ● 隐性知识的语言化：AI访谈员将对资深维保人员进行深度访谈。通过对话，系统性地提取出因人类认知限制而难以全面记录的见解、判断标准和经验法则，并将其转化为任何人都能使用的显性知识。 ● 显性知识的整理与标准化：生成式AI将系统化地整理零散的过往故障报告书、作业进程书和维保履历。这将使任何人在面对突发设备异常时，都能根据过往知识做出适当的应对判断。 具体措施： 1. 整理过往数据（显性知识的结构化）：运用EMNI的独家技术，其数据结构化平台不仅能处理Word、PDF文档，还能处理电气回路图等，我们将把格式和位置各异的故障报告书、作业进程书等整理成AI易于处理的结构化格式。凭借EMNI在制造业的专业知识，我们将根据东洋钢钣的工作流程和专业术语进行调整，使其能直接在现场使用。 2. 隐性知识的形式化（导入AI访谈员）：AI将对资深人员进行深度访谈，系统性地整理出人类难以全面记录的见解、判断标准和经验法则。 3. 创建知识运用平台：AI将适当地搜索并呈现形式化的隐性知识和整理过的显性知识。该平台将根据东洋钢钣的营运流程进行客制化，以便在维保现场需要时，能立即访问必要的过往知识。 4. 预期效益 此项目预期将带来以下效益： ● 异常应对的标准化与加速化：使任何人在面对突发故障时都能迅速判断并运行适当的应对措施，缩短产线恢复时间。 ● 制造停机时间的最小化：通过快速访问必要知识和标准化的应对措施，将产线停机时间降至最低，提高生产力。 ● 解决知识属人化问题：摆脱对资深人员的依赖，提升维保部门的整体应对能力。这将加速技能传承，帮助年轻员工更快地成为主力。 ● 知识的数字资产化：以往属于隐性知识的现场见解，将成为可在整个组织中使用的宝贵「公司资产」。 5. 未来展望 接下来，我们将通过概念验证（PoC）来验证系统的有效性，并朝着实际运作的全面部署迈进。未来，我们计划推动东洋钢钣整个制造流程的AI化，考虑将应用扩展到维保以外的其他领域，如制造、品质和设计。 关于东洋钢钣株式会社 自1934年成立以来，东洋钢钣株式会社一直利用其在轧延、表面处理和层压等领域的独家技术，从事马口铁、薄板、各种表面处理钢板及功能性材料等产品的制造与销售。