Gamybos įmonėje neatitiktys fiksuojamos keliais būdais: operatorius užpildo Microsoft Forms anketą ar popierinę formą pamainos pabaigoje, kontrolierius parašo laišką apie atmestą partiją, klientas atsiunčia pretenziją, meistras pažymi pastabą pamainos žurnale SharePoint, o dalis įrašų atsiduria Business Central, Odoo ar Monitor ERP kokybės modulyje su laisvo teksto komentaru. Kokybės vadovas visa tai renka į Excel lentelę, kur kiekvienas aprašo problemą savais žodžiais, todėl ta pati priežastis vadinama penkiais pavadinimais. Mėnesinė ataskaita vadovybei rengiama kelias dienas, o korekciniai veiksmai pradedami, kai problema jau kainavo kelias partijas.
Mes diegiame ChatGPT per API su Power Automate srautu. Srautas surenka neatitikčių įrašus iš Microsoft Forms, pamainų žurnalų SharePoint, nurodytos pašto dėžutės ir, jei naudojate, ERP kokybės modulio eksporto į vieną SharePoint sąrašą. Modelis kiekvieną įrašą suklasifikuoja pagal jūsų struktūrą: gaminys ar gaminių grupė pagal Business Central ar Odoo nomenklatūrą, operacija ar darbo vieta, priežasties kategorija (medžiaga, įranga, metodas, žmogus, matavimas), pasekmė (perdirbimas, brokas, vėlavimas, kliento pretenzija) ir rimtumas. Laisvo teksto aprašymas išlieka, bet šalia atsiranda vienodos kategorijos, todėl įrašai tampa palyginami. Neaiškūs įrašai pažymimi, kad kokybės inžinierius patikslintų. Kiekvieną pirmadienį kokybės vadovas Teams gauna santrauką: kokios neatitiktys kartojasi, kuriuose gaminiuose ir operacijose, kaip pasikeitė nuo praeitos savaitės, su nuorodomis į konkrečius įrašus. Sprendimus dėl korekcinių ir prevencinių veiksmų priima žmonės ir registruoja juos savo kokybės sistemoje, programa tik parodo, kur žiūrėti. Modelis veikia OpenAI platformoje be mokymo iš jūsų duomenų, o jei gaminių informacija konfidenciali, tą patį sprendimą diegiame privačiu modeliu MDP CLOUD GPU debesijoje Lietuvoje.