Tootmisettevõttes registreeritakse mittevastavusi mitut moodi: operaator täidab vahetuse lõpus Microsoft Formsi ankeedi või paberblanketi, inspektor kirjutab e-kirja tagasi lükatud partii kohta, klient saadab kaebuse, töödejuhataja märgib selle SharePointi vahetuse logisse ning mõned kirjed satuvad Business Centrali, Odoo või Monitor ERP kvaliteedimoodulisse vabateksti kommentaarina. Kvaliteedijuht koondab kõik Exceli tabelisse, kus igaüks kirjeldab probleemi oma sõnadega, nii et sama põhjus esineb viie erineva nime all. Igakuine juhtkonna aruanne võtab ette valmistada päevi ja parandusmeetmed algavad siis, kui probleem on juba maksma läinud mitu partiid.
Juurutame ChatGPT API kaudu koos Power Automate’i vooga. Voog koondab mittevastavuse kirjed Microsoft Formsist, SharePointi vahetuse logidest, määratud postkastist ja, kui kasutate, ERP kvaliteedimooduli ekspordist ühte SharePointi nimekirja. Mudel liigitab iga kirje teie struktuuri järgi: toode või tootegrupp Business Centrali või Odoo artiklite nimekirjast, operatsioon või töökoht, põhjuskategooria (materjal, masin, meetod, inimesed, mõõtmine), tagajärg (ümbertöötlus, praak, viivitus, kliendikaebus) ja tõsidus. Vabateksti kirjeldus jääb alles, kuid selle kõrvale tekivad ühtsed kategooriad, mistõttu kirjed muutuvad võrreldavaks. Ebaselged kirjed märgitakse kvaliteediinsenerile täpsustamiseks. Igal esmaspäeval saab kvaliteedijuht Teamsis kokkuvõtte: millised mittevastavused kordusid, milliste toodete ja operatsioonide puhul, kuidas olukord on eelmise nädalaga võrreldes muutunud, koos linkidega konkreetsetele kirjetele. Parandus- ja ennetusmeetmete üle otsustavad inimesed ning registreerivad need oma kvaliteedisüsteemis, lahendus näitab vaid, kuhu vaadata. Mudel töötab OpenAI platvormil ilma teie andmete põhjal treenimata ning kui tooteteave on konfidentsiaalne, juurutame sama lahenduse privaatse mudeliga MDP CLOUD GPU-pilves Leedus (EL).