W firmie produkcyjnej niezgodności rejestruje się na kilka sposobów: operator wypełnia na koniec zmiany ankietę Microsoft Forms albo papierowy formularz, inspektor pisze e-mail o odrzuconej partii, klient przysyła reklamację, mistrz zmiany odnotowuje to w dzienniku zmiany w SharePoint, a część wpisów trafia do modułu jakości w Business Central, Odoo lub Monitor ERP jako komentarz wolnym tekstem. Kierownik jakości zbiera to wszystko w arkuszu Excel, w którym każdy opisuje problem własnymi słowami, więc ta sama przyczyna występuje pod pięcioma różnymi nazwami. Miesięczny raport dla zarządu powstaje całymi dniami, a działania korygujące zaczynają się, gdy problem kosztował już kilka partii.
Wdrażamy ChatGPT przez API z przepływem Power Automate. Przepływ zbiera zapisy niezgodności z Microsoft Forms, dzienników zmian w SharePoint, wyznaczonej skrzynki pocztowej oraz, jeśli z niego korzystasz, z eksportu z modułu jakości ERP do jednej listy SharePoint. Model klasyfikuje każdy zapis według Twojej struktury: wyrób lub grupa wyrobów z listy artykułów w Business Central lub Odoo, operacja lub stanowisko, kategoria przyczyny (materiał, maszyna, metoda, ludzie, pomiar), skutek (poprawka, braki, opóźnienie, reklamacja klienta) i waga. Opis wolnym tekstem zostaje, ale obok pojawiają się jednolite kategorie, więc zapisy stają się porównywalne. Niejasne zapisy są zaznaczane do wyjaśnienia przez inżyniera jakości. W każdy poniedziałek kierownik jakości dostaje w Teams podsumowanie: jakie niezgodności się powtarzają, w których wyrobach i operacjach, jak to się zmieniło od zeszłego tygodnia, z linkami do konkretnych zapisów. Decyzje o działaniach korygujących i zapobiegawczych podejmują ludzie i rejestrują je we własnym systemie jakości, a rozwiązanie tylko pokazuje, gdzie szukać. Model działa na platformie OpenAI bez trenowania na Twoich danych, a jeśli informacje o wyrobach są poufne, wdrażamy to samo rozwiązanie z prywatnym modelem w chmurze GPU MDP CLOUD na Litwie (UE).