制造 / 工业控制系统
Hitachi：质量保证部门的历史故障案例检索与应对报告撰写
- 企业
- Hitachi
- 国家
- 日本
- 实施阶段
- 运营中
- 资料发布
- 日期依据
- 资料发布的时间，可能与启用日期不同。
- 依据核验方式
- 阅读原文正文
业务问题
根据Hitachi于2026年6月4日发布的新闻稿，制造业面临全球人才短缺和代际更替，产品和系统日益高端化、复杂化，在设备故障或质量问题发生时，质量保证部门能否迅速而准确地应对变得更加重要。然而，故障应对和原因分析往往依赖熟练人员多年积累的经验和判断。开发社会基础设施控制系统的Hitachi Omika事业所有许多运行超过10年的系统，在数据库中积累了大量关于客户提问和故障的维护运营信息，但故障和咨询的应对依赖掌握这些知识的熟练人员。
使用的技术与数据
Hitachi的AI专业人员与现场熟练人员合作，开发了可用自然语言对话的AI智能体“质量知识系统”。他们分析熟练人员用哪些关键词、按什么顺序查找信息并作出判断，把100多项业务知识融入AI，并运用公司内部专业组织Generative AI中心的数据管理经验，反复改进提示词和调整。负责人员用自然语言提问或客户咨询邮件的文字检索过去的故障应对记录和手册，并输入事件、现象、对策方针等关键词生成应对报告草稿。Hitachi以公司自身作为首个用户验证效果的方式，先在茨城县日立市的Omika事业所部署了该智能体，并自2026年4月起作为HMAX Industry产品线向制造企业提供。
成果
新闻稿称，在Omika事业所，故障发生时检索案例的时间从每件60分钟缩短到5分钟，减少约90%。应对报告的撰写时间从120分钟缩短到15分钟，缺陷原因分析时间从16小时缩短到3小时，均减少80%以上。Hitachi表示，经验较少的人员也能调用熟练人员的经验迅速作出初步应对，并能减少报告撰写依赖特定人员和质量参差不齐的问题，从而更快地向客户报告。
局限与待解问题
新闻稿没有披露Omika事业所开始部署的月份、测量期间和对象件数以及所用的AI模型。分析多种质量文件的功能计划今后增加。
来源
本案例根据公开资料整理，并非 ATF Works 客户的成果。