LLM'er kobler reservedelsordrer til installationer i flersprogede logs

Udfordring

For at finde ud af, hvornår bestilte reservedele faktisk bliver installeret — og klassificere de handlinger, der går forud for en udskiftning — skulle flersprogede vedligeholdelseslogs i fritekst analyseres. Terminologien var uensartet på tværs af fem sprog.

Løsning

Vedligeholdelseslogs behandles i Databricks gennem trin for oversættelse, klassifikation og matching. Det kobler reservedelsordrer til installationer og gør det muligt at analysere mønstre for reparation før udskiftning samt gennemløbstider.

• Selvlærende terminologi. En LLM udtrækker medarbejdernes terminologi fra logs, hvor kendte varenumre optræder, og opbygger automatisk et flersproget ordforråd for dele og vedligeholdelseshandlinger på tværs af alle fabrikker.
• Semantisk klassifikation. LLM'en klassificerer hver vedligeholdelseshandling og adskiller reelle udskiftninger fra inspektioner, rengøring og andre handlinger.
• Ordrematching. Hver reservedelsordre kobles til den mest sandsynlige installation inden for et konfigurerbart tidsvindue, baseret på udstyr og tidsmæssig nærhed.

Resultater

• 5 sprog behandlet automatisk
• Gennemløbstider fra ordre til installation udtrukket
• Taksonomi for handlinger opbygget fra rå, flersprogede logs
• Krydsvaliderede detektioner