制造 / 整车制造
BMW：改善研发缺陷工单质量并判别具有相同根因的历史案例
- 企业
- BMW
- 国家
- 德国
- 实施阶段
- 试点验证
- 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
BMW研发缺陷管理需要补全工单标题与说明，并找到相同根因的历史缺陷以减少重复调查。德语和英语混合的内部数据包含专有分类与标识符，通用模型即使接收详细指令，仍可能编造标识符或输出错误语言。AWS与BMW选择该流程验证模型定制和评估方法。
使用的技术与数据
双方在12周合作中使用工单编辑历史和根因分析结果。Bedrock模型生成训练样例，再由独立评判模型按信息保留、格式和语言条件筛选。在SageMaker上为小型基础模型训练任务专用QLoRA适配器，通过单一实时端点按需选择多个适配器。任务包括改写标题与说明、生成缺失信息问题，以及判断新缺陷与给定历史候选是否具有相同根因。BMW管理任务定义、评估标准、整理后的训练数据与适配器。
成果
AWS与BMW表示，在独立保留的评估数据上，标题质量按五分制从3.74升至4.71，说明质量从2.84升至3.87。模型还提高了识别候选均不具有相同根因的能力。这些结果来自单一训练设置和固定候选列表的实验，不代表现场处理时间缩短或完整检索服务的运营成效。
局限与待解问题
原文明示评估仅使用单一随机种子和单一训练参数设置。完整检索流程、持续生产部署以及工程师实际节省的时间尚未确认。
来源
- How BMW builds toward Industry AI on Amazon SageMaker AIAWS for Industries, 查阅
本案例根据公开资料整理，并非 ATF Works 客户的成果。