Joutsenon Elementti hyödynsi tilauskäsittelyssä tekoälyä ja Google Cloudia

Joutsenon Elementti hyödynsi tilauskäsittelyssä tekoälyä ja Google Cloudia

Konenäön hyödyntäminen keskeisessä roolissa teknisten tarjouspyyntöjen analysoinnissa

 

Joutsenon Elementti Oy on kotimainen betonielementtien asiantuntija ja laadukkaiden elementtien valmistaja. Joutsenon elementin kolmella tehtaalla työskentelee lähes sata työntekijää.

 

Mikä oli haaste?

Joutsenon Elementin tilauskäsittelyssä eräs merkittävä ja aikaa vievä vaihe on tietojen poiminta pdf-muotoisista teknisistä piirustuksista. Vaikka alan standardit ovat selkeät, saapuvat tekniset dokumentit kuitenkin eri suunnittelutoimistoilta hyvin erilaisissa muodoissa.

Tekniset tiedot, kuten käytettävän betonin lujuusluokka sekä betonielementin rasitusluokat, ovat kriittisiä tietoja oikeanlaisen betonielementin valmistamiseksi. Lisähaasteena oli kerättyjen tietojen oikeamuotoisuuden varmistaminen. Kerättävien tietojen on oltava betonialan teknisten standardien mukaisia.

Aiemmin Joutsenon Elementin asiantuntijat etsivät tiedot dokumenttien kuvista sekä syöttävät ne manuaalisesti dokumentti kerrallaan tuotannonhallintajärjestelmään. Tämä oli sekä aikaa vievää että herkkää inhimillisille virheille.

Joutsenon Elementin haaste Codentolle olikin selvittää, voidaanko tämä työvaihe automatisoida luotettavasti käyttäen moderneja tekoälytyökaluja.

 

Ratkaisumme

Codento demonstroi Joutsenon Elementille Google Cloudin ja erityisesti Document AI -työkalun käyttöä vaativassa tekstintunnistuksessa. Document AI on no-code -tyyppinen tekstintunnistusmallien (ORC, optical character recognition) rakentamiseen kehitetty Google Cloudissa oleva työkalua, joka voidaan kouluttaa erittäin pienellä määrällä dataa.

Pienimmillään, standardimuotoisen lomakkeen tapauksessa, luotettava ORC-malli voidaan kouluttaa Document AI:n avulla alle kymmenellä esimerkillä.

Tässä tapauksessa esimerkit olivat olennaisesti haastavampia. Teknisissä piirustuksissa lay-out vaihtelee insinööritoimistosta toiseen. Tästä johtuen ei voitu olettaa teknisten piirustusten olevan standardimuotoisia lomakkeita. Mallin kouluttaminen ei kuitenkaan vaatinut kuin noin 30 teknistä piirustusta, mikä mahdollisti nopean etenemisen.

 

Miksi Codento?

Codento valittiin yhteistyöhön selkeön ehdotuksen, laaja-alaisen ja monipuolisen tekoälykonsultointikokemuksen perusteella. Myös Codenton aiemmat vastaavat toteutukset vaikuttivat positiivisesti päätökseen.

ORC-mallin luotettavuus yllätti positiivisesti

ORC-mallien luotettavuutta yleisesti mitataan F1-pisteillä, joka saa arvon väliltä [0…1] nollan ollessa nopanheittoon verrattavissa oleva ja ykkösen ollessa täydellinen tarkkuus. F1-pisteet ovat eräänlainen keskiarvo mallin tarkkuudesta (kuinka suuri osa tuloksista on oikein) ja herkkyydestä (kuinka suuri osa datasta löydetään). Codenton kehittämällä mallilla F1-pisteet olivat lähes 0,9. Eräiden etsittävien tietojen osalta jopa reippaasti yli.

Loppupäätelmänä PoC:ssa olikin, että tietojen poiminta pdf-tiedostoista ja niiden syöttäminen Joutsenon elementin omiin järjestelmiin on mahdollista automatisoida Google Cloudin moderneilla ORC-työkaluilla.

 

Asiakkaan omin sanoin

“Codento onnistui lyhessä ajassa ratkaisemaan meitä askarruttaneen monimuotoisen käytännön haasteen oman osaamisen, tekoälyn ja Google Cloudin kyvykkyyksien avulla. Suosittelemme mielellämme Codentoa vastaavan tyyppisiin toimeksiantoihin, joissa automatisoidaan myynti- ja tilaiustenkäsittelyprosessia”,

Teemu Liimatainen, Myyntijohtaja

 

Lisätietoja

Document AI https://cloud.google.com/document-ai?hl=fi

Esimerkkejä betonielementtien teknisistä piirustuksista https://www.elementtisuunnittelu.fi/suunnitteluprosessi/mallipiirustukset

 

Kysy lisää konenäön sovelluksista: