製造 / 完成車
BMW：研究開発の障害チケットの品質改善と同じ根本原因を持つ過去事例の判別
- 企業
- BMW
- 国
- ドイツ
- 導入状況
- 実証
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
BMWの研究開発における障害管理では、不完全なチケットの件名と説明を補い、同じ原因の過去障害を見つけて重複調査を減らす必要があった。ドイツ語と英語の社内資料には独自分類や識別子があり、一般モデルに詳細指示を与えても識別子の捏造や出力言語の誤りが生じた。AWSとBMWはモデル調整と評価手法の検証対象としてこの業務を選んだ。
使った技術とデータ
両社は12週間の協業でチケット編集履歴と根本原因分析結果を使用した。Bedrockのモデルで学習例を生成し、別の判定モデルで情報保持、形式、言語条件を確認して選別した。SageMakerで小型基本モデルに業務別QLoRAアダプターを学習させ、単一のリアルタイムエンドポイントで複数アダプターを選択して使う構成にした。件名と説明の書き直し、不足情報を尋ねる質問の生成、新しい障害と所定の過去候補が同じ原因かの判別を行う。BMWが業務定義、評価基準、学習資料、アダプターを管理する。
成果
AWSとBMWによると、別に保持した評価資料で、件名品質は5点尺度の3.74から4.71へ、説明品質は2.84から3.87へ改善した。同じ原因の候補が存在しない場合の判別性能も改善した。単一の学習設定と固定候補リストによる実験結果であり、現場の処理時間削減や検索サービス全体の運用成果ではない。
限界と残る課題
原文は単一の乱数シードと単一の学習設定による評価と明記する。検索全工程、常時本番運用、実際のエンジニアの業務時間改善は確認されていない。
出典
- How BMW builds toward Industry AI on Amazon SageMaker AIAWS for Industries, 確認
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。